基于深度学习的关键岗位人员行为分析系统

针对关键岗位的人员行为分析的问题,提出了一种基于视频的行为分析方法。制作了包含多姿态样本的岗位人员行为数据集,并使用YOLOv3网络训练该数据集得到行为检测模型。使用提出的人员行为分析算法结合行为检测模型对视频进行处理,对人员行为进行初步分析。在人员行为分析算法的基础上,结合图像相似度和明暗度等特征,进行深度分析并给出离岗、睡觉和玩手机事件的判断结果。实验结果表明,制作的数据集在人员行为检测中有较高的检测精度,同时行为分析的准确度也较高,并且能够进行实时处理。     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

基于改进的YOLOv4高速公路车辆目标检测研究

针对高速公路场景下的车辆目标检测问题,提出了一种改进的YOLOv4网络对交通场景下车辆目标进行检测的方法;制作了一个多天候、多时段、多场景的车辆目标数据集,并依据数据集得到检测模型;提出多标签检测方法,并在多标签之间建立约束关系,得到更完善的车辆信息;提出了一个图像拼接检测方法,将多幅图像通过拼接层连接后进行车辆检测,以此提升网络的运行效率。实验结果表明,多样化数据集提高了车辆检测精度,减少了车辆目标的误检、漏检,同时改进的网络结构较大提升了检测速度,上述方法可以为高速公路场景下的车辆目标检测与实际应用提供参考。     

基于二次卡尔曼滤波修正的尾气排放分布

监测机动车尾气排放并制定科学减排措施迫在眉睫,而如何反映由交通需求变化引起排放分布变化是建立尾气排放分布模型的核心问题.按照"交通需求推演—机动车比功率参数确定—交通排放"的思路,利用机动车比功率参数标定交通需求与尾气排放之间的量化关系.以交通需求数据为基础,通过二次卡尔曼滤波修正交通流状态数据和交通分布数据,并通过动态交通分配获取实时车辆工况参数,与典型车型工况曲线匹配,确定车辆比功率在不同速度区间分布,而后,将机动车行驶特征工况参数代入国际车辆排放(international vehicle emission,IVE)模型中确定排放因子,计算得到区域内机动车尾气排放强度.研究表明,以15 min为预测周期,利用二次卡尔曼滤波估计交通需求的平均相对误差为8.89%,且利用IVE尾气模型模拟具有较好的可靠性.预测结果显示,实现基于动态交通需求的行驶工况所构建的交通污染分布模型具有可行性,且二次卡尔曼滤波修正提供了精度的保证,该推演数据可用于分析尾气分布,评价交通改善措施对尾气排放影响,为制定减排策略提供依据.     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.     

基于机器视觉的工业巡检过程监控分析系统

工业巡检中人员的行为与生产安全息息相关,有关巡检监测方法的设计成为了研究热点.针对目前巡检监控分析依赖于人工判断且精度低的问题,本文提出了一种基于机器视觉的工业现场巡检过程监控分析系统.首先利用YOLOv3网络对将视频流中的人员进行检测,根据检测结果,使用人员行为分析方法,剔除场景内干扰并获取巡检人员真实的行为信息,最...