视频车辆监控系统图像滤波算法的研究

视频车辆监控系统中图像噪声对背景学习、车辆识别等具有很大影响,已有滤波算法又难以满足系统对滤波效果和速度的综合要求。通过对比不滤波、采用中值滤波或均值滤波时的车辆识别效果和速度,选用均值滤波作为进一步的研究对象。在适当减少计算量的基础上,通过改进数据访问方法和计算方法进一步提高了算法速度,并用Visual C++ 6.0实现了该算法。实验表明,新算法的速度比盒滤波提高了55 %。     

基于智能视觉的车辆事故预警监控系统设计

针对车辆行驶中驾驶员视觉盲区或注意力不集中而造成的交通事故问题,提出采用智能视觉技术对车辆行驶过程中四周的异常物体进行视频监控,对动态视频场景中的运动目标进行检测、识别与实时测距,通过车辆智能视频监控系统最大程度的为驾驶员提供更多预警信息,预防交通事故的发生。本文介绍了车辆智能视觉监控系统的硬件设计方法与软件工作流程,并研究了运动目标检测算法与单目视觉测距算法,通过仿真实验,验证了本智能视觉车辆监控系统对于运动目标进行检测、识别与智能测距判断的实验结果。     

试飞机载测试系统一体化验证平台的设计与实现

为提高智能车对多车道的实际道路车辆行驶环境的适应性,提出了一种基于三车道模型的车辆检测方法。方法在预处理的基础上利用极角及位置约束的Hough变换得到可能的车道线信息并利用消失点对车道线进行筛选;利用三车道四线模型对车道线进行匹配;对于每条车道,分别利用车辆灰度信息对车道线内车辆进行识别,并利用视频的连贯性对车辆识别结果进行修正并跟踪车辆。该算法通过对车道线的二次筛选,提高了三车道模型的准确率,进一步提高了对于不同车道车辆识别的正确率。实验结果表明,在结构化道路上,对于不同路况,算法均具有较好的实时性和鲁棒性。     

基于流形学习的单类分类算法及其在不均衡声目标识别中的应用

针对数据不均衡条件下的目标识别性能下降问题,首先讨论了目标声信号所包含低维流形的特点,在此基础上设计了基于流形学习的单类分类算法,通过比较测试样本与正类样本在流形上的符合程度判决其是否属于正类。将此分类算法应用于包含不均衡数据的声目标识别,三组不同环境和识别目标的实验数据集测试结果显示该算法可以有效地从多种目标中识别特定类别目标,与其他单类分类算法相比,提高数据不均衡条件下的识别性能,并对样本的混叠分布具有较好的鲁棒性。      

一种基于分层的人类动作识别和定位算法研究

人类动作识别在视频自动分析、视频检索等领域获得广泛应用,是目前的研究热点。然而现有的动作识别方法重点关注视频的非静态部分而忽略大部分静态部分,从而影响了动作识别和定位的效果。本文提出一种新的分层空间-时间分段表示法,以分层方式实现部位和整个身体的多分辨率表示,可用于运动识别和定位。该算法分为3个步骤。第一步,首先对每个视频帧进行分层分段,以得到一组分段树,每颗树是身体分段树的候选。第二步,利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪。第三步,在时域上对剩余分段层的每个分段进行前向和后向跟踪。我们以难度较大的UCF-Sports和HighFive数据集为实验对象,对本文方法进行性能评估,实验结果表明,本文方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

基于正交分解的室外光照阴影检测

针对室外光照条件下阴影的快速高效检测问题,提出了基于正交分解的阴影检测算法。利用室外场景图像中阴影区域内外的线性模型建立线性方程组,对该线性方程组的解空间进行正交分解,得到一幅彩色光照不变图像和一幅光照变化图像。通过K-means算法将彩色光照不变图像分类为几个区域,每个区域具有一致的反照率。根据分类结果,对光照变化图像采用EM算法进行高斯混合建模,提取阴影区域。最后采用形态学算子对提取的阴影区域进行优化。该算法不需要复杂的特征算子学习过程,大大降低了计算的时间复杂度,而且不需要任何先验知识,可以直接应用到实时场景处理中。     

基于ROI最长直线提取算法的车辆超限检测系统研究

针对当前公路上车辆超限而导致交通安全隐患问题,提出了一种基于图像测量的车辆超长、超宽、超高检测系统;利用CCD摄像头捕捉限速车道内行驶的车辆的图片,经过图像分类、背景去除、噪声去除提高图像清晰度,按ROI(region of interest)最长直线提取算法提取ROI内车辆轮廓的最长像素直线,通过相机标定获取车辆实际长宽高信息;系统对于车辆超限能够实现不停车检测,有效提高了公路通行速率;实验数据表明,该系统对于不同类型车辆,均具有良好的准确性和鲁棒性。     

简单有效的运动汽车投影阴影分割算法

在实时的车型识别系统中,由于光照的影响,需要一种简单快速有效的方法将汽车车体与其阴影分割开。利用阴影的光谱属性,同时根据阴影的几何特征及阴影区域内的点和汽车的空间位置、形状等相关特点,提出一种基于小波变换多分辨率特性的阴影分割算法,该算法能有效地分割出阴影与目标之间的分界线。先利用阴影的光谱属性对阴影进行粗分割,然后利用小波变换的多尺度性对候选阴影点进行特征提取,从而获取最后的阴影分界线。该方法不需要事先确定光源的方向、车体的彩色信息和背景纹理信息,能有效地分割任何颜色、任何背景纹理下、任何光源方向下的运动汽车投影阴影。实验表明,该方法定位准确,处理速度快,抗噪能力强,为进一步的车型识别提供基础。     

基于局部特征词袋模型人体动作识别关键帧选取方法

针对原始动作视频帧数多、信息冗余、计算量大的问题,提出了基于离散粒子群算法的人体动作识别关键帧选取方法。提取视频图像中的时空兴趣点建立视觉词典,统计视频图像中视觉词汇概率分布,采用离散粒子群算法进行关键帧选取,引入原始视频和选取的关键帧的视觉词汇概率分布向量的夹角余弦值,作为最优适应度函数评价关键帧选取前后的动作特征相似性。采用离散粒子群关键帧选取方法对KTH和Weizmann数据库进行实验验证。实验结果显示,该文提出的关键帧选取算法可有效去除动作视频中的冗余帧,提高了动作识别效率,动作识别准确率保持89.17%和98.89%不变。     

基于YCbCr颜色空间背景建模与手势阴影消除

为了提高动态手势检测的精确度,本文将基于YCbCr颜色空间的混合高斯背景建模应用于动态手势识别中,并且提出手势阴影消除的有效算法。首先,对待检测视频帧通过抠图抠出手势图像,在YCb'Cr'颜色空间进行椭圆拟合,统计建立椭圆肤色模型,继而在YCbCr颜色空间进行混合高斯背景建模检测出动态手势,点乘原图像得到含有阴影的RGB手势图像,对检测出的含有阴影的手势图像利用已建立的椭圆肤色模型进行阴影消除,最后将手势图像连成视频序列。实验结果表明,该算法在复杂背景下进行动态手势的检测率可达91.4%,高出传统方法10%左右,能够满足动态手势检测基本要求,且具有较高的实用价值。     

快速消除车辆阴影的多阈值图像分割法

 视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。     

相移阴影莫尔基于迭代LSM拟合

相移阴影莫尔技术相位高度存在着非线性关系,无法在全场获得均匀相移,因而致使经典的相移算法不能得到精确解.对此,提出了一种基于最小方差迭代的相移阴影莫尔技术,该技术通过垂直光栅面等间距移动光栅来产生相移,但光栅移动距离可不采用固定值,所以相移过程灵活|使用在高度解调过程中确定的逐点相移增量来抽取精确的测量相位,实现了相移阴影莫尔技术中固有的相位高度非线性误差补偿.结果表明,该方法可通过干涉图计算光栅的移动量,具有相移器的自标定特性.     

从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法,基于单个网络分类的置信度概念,有效地结合多个网络的输出结果作出最终分类判决,应用三个多层前向网络（隐层神经元数,初始权值等取不同值）,设计了基于分类确认度的多网络融合结构,对四类车辆目标进行的识别实验表明,所提出的多网络融合方法明显优于单个网络的识别性能。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.      

综合传动装置起动扭矩测试试验研究

低温环境起动性能是表征车辆动力性能的一项重要指标。对液力机械传动车辆而言,由于综合传动装置自身技术特点,改善车辆起动性能除应当考虑发动机自身起动阻力外,还应当考虑综合传动装置的起动阻力。在系统分析综合传动装置技术特点和功率流向的基础上,总结了发动机起动过程的主要特征,提出采用稳态试验与动态试验相结合的台架试验方法进行综合传动装置起动扭矩测试。以某高速履带车辆为研究对象,进行了综合传动装置起动扭矩测试。试验结果表明,传动油温的变化和各类油泵的功率消耗是决定综合传动装置起动扭矩大小的关键因素,为改进车辆总体设计和提高车辆起动性能提供了依据。     

Unsupervised classification-based hyperspectral data processing: lossy compression

The existing lossy compression algorithms play an important role in reducing the cost of storage equipment and bandwidth for hyperspectral (HS) application. However, none of the lossy compression algorithms considers the real-time classification of HS data. In this paper, we present a new lossy compression method for HS data that aims to optimally compress in both spatial and spectral domains and simultaneously maximize classification performance. For this target, Harsanyi–Farrand–Chang (HFC) and k-means++?algorithms are applied to achieve a spectral library and an index matrix for HS image. Spectral angle mapping and Euclidean distance are used to update the spectral library and the index matrix. The experiment results indicate that the proposed method has a good classification performance. The results also reveal that the proposed method works well in real-time classification and compression of HS data with a large volume and achieves a high compression ratio. It is noteworthy to mention that the superiority of our method in compression becomes more apparent as the volume of HS data grows. Consequently, the proposed method has a strong advantage in HS applications that require both compression and classification.     

Landsat 8 OLI影像的高原山地阴影区冰川识别方法

冰川对气候变化极为敏感,其变化对区域气候、生态及水资源等有重要影响。对于高原山地区域而言,使用遥感数据开展冰川变化研究时,影像经常会有较大面积的山体阴影。阴影使地物目标反映的信息量有所损失或受到干扰,在遥感影像数据上难以判读。因此,基于遥感影像的山体阴影区冰川识别成为一个技术难点。选择青藏高原上的大型山地冰川群为实验区,基于Landsat 8 OLI影像数据,分析了山体阴影区冰川与非冰川的波段反射特征,结果表明由于阴影区直射光被遮挡,波长较短的蓝光波段因具有更高的散射强度,是阴影区冰川识别的优势波段;长波波段在阴影区无论是冰川还是非冰川区域反射率都很低,难以区分。在此基础上提出针对山体阴影区冰川信息提取的增强指数算法,并与常规的冰川信息提取方法进行效果对比,结果表明增强指数方法得到的直方图分割阈值更为明显。从冰川信息提取结果来看,无论是空间分布还是面积误差比例,采用优势波段的增强指数法效果最好。在高原山地区域进行大规模冰川提取时,采用所提出的山体阴影区冰川信息增强指数算法,有助于提高整体工作效率。     

Vehicle speed measurement based on gray constraint optical flow algorithm

Vehicle speed measurement (VSM) based on video images represents the development direction of speed measurement in the intelligent transportation systems (ITS). This paper presents a novel vehicle speed measurement method, which contains the improved three-frame difference algorithm and the proposed gray constraint optical flow algorithm. By the improved three-frame difference algorithm, the contour of moving vehicles can be detected exactly. Through the proposed gray constraint optical flow algorithm, the vehicle contour's optical flow value, which is the speed (pixels/s) of the vehicle in the image, can be computed accurately. Then, the velocity (km/h) of the vehicles is calculated by the optical flow value of the vehicle's contour and the corresponding ratio of the image pixels to the width of the road. The method can yield a better optical flow field by reducing the influence of changing lighting and shadow. Besides, it can reduce computation obviously, since it only calculates the moving target contour's optical flow value. Experimental comparisons between the method and other VSM methods show that the proposed approach has a satisfactory estimate of vehicle speed.     

基于统计特性与边缘特性融合的阴影检测方法

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.