应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于时序融合的自动驾驶多任务感知算法

采用连续图像帧作为输入,挖掘连续图像帧之间的时序关联信息,构建一种融合时序信息的多任务联合驾驶环境视觉感知算法,通过多任务监督联合优化,实现交通参与目标的快速检测,同时获取可通行区域信息;采用ResNet50作为骨干网络,在骨干网络中构建级联特征融合模块,捕捉不同图像帧之间的非局部远程依赖关系,将高分辨率图像通过卷积下采样处理,加速不同图像帧的特征提取过程,平衡算法的精度和速度;在不同的图像帧中,为了消除由于物体运动产生的空间位移对特征融合的影响,且考虑不同图像帧的非局部关联信息,构建时序特征融合模块分别对不同图像帧对应的特征图进行时序对齐与匹配,形成融合全局特征;基于共享参数的骨干网络,利用生成关键点热图的方法对道路中的行人、车辆和交通信号灯的位置进行检测,并利用语义分割子网络为自动驾驶汽车提供道路可行驶区域信息。研究结果表明:提出的感知算法以多帧图像代替单一帧图像作为输入,利用了多帧图像的序列特性,级联特征融合模块通过下采样使得计算复杂度降低为原来的1/16,与CornerNet、ICNet等其他主流模型相比,算法检测精确率平均提升了6%,分割性能平均提升了5%,并保持了每秒12帧图像的处理速度,在检测与分割速度和精度上具有明显优势。      

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

一种新的复杂细胞启发下的特征提取方法

鉴于V1区复杂细胞具有提取外界刺激不变本质的能力,设计了一个提取目标图像局部不变特征的方法.该方法首先使用提出的无监督算法（PCICA）,从图像中学习出类似于复杂细胞感受野的滤波器集合.然后利用这些滤波器组成的复杂细胞描述子,提取目标图像各个位置的不变特征.最后对图像特征图进行分块统计,将各区域的直方图序列作为图像的最终描述.测试结果表明,PCICA具有类似于快速独立分量分析算法（FastICA）三阶收敛的特点,从图像中学习出的滤波器集合,表现出复杂细胞感受野的拓扑结构.这些滤波器对于局部图像的微小变化并不敏感,对于检测不变特征十分有利,并在MNIST手写体数据库上取得0.84%的识别错误率.     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测,识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统.通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯.从而估算城市道路汽车流量,并调整道路中间隔离栅.仿真实验结果表明:算法能够有效的检测,识别目标,并对控制系统进行自动调节.     

基于图像处理的道路拥堵快速检测研究

提出一种基于图像处理技术的城市道路车辆拥堵程度快速检测算法。为既能加快处理速度又可任意选取有车区域路段,提出人机交互的有车区域检测。利用拥堵图像和通畅图像纹理特性的差异,提出基于纹理分析的车辆密度估计。通过原始图像灰度降级和灰度共生矩阵计算及特征提取,从有车区域图像中提取能够反映车辆密度的能量和熵特征,经过特征值训练得到车辆拥堵判决阈值,实现道路拥堵检测。试验结果证明,该算法检测准确率高达99%,同时算法的处理速度能够满足工程中的实时性要求。     

复杂背景图像中圆检测的新算法

如何在复杂背景图像中确定圆的存在,并将其准确定位,具有广泛的工程应用价值.本文通过对大量圆定位算法的研究,提出了一种利用圆形性特征在复杂背景图像中进行圆检测的新算法.经实验证明,此算法实现了复杂背景图像中圆形炮管的自动定位与分割,对于发生形变的图像,此算法仍具有较好的位移、旋转和伸缩不变性,可应用于工程中的圆检测.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

Neural Network Prediction Model for Ship Hydraulic Pressure Signal Under Wind Wave Background

The ship hydraulic pressure signal is one of the important characters for the target detection and recognition. At present, most of the researches on the detection focus on the ways in the time domain. The ways are usually invalid in the large wind wave background. In order to solve the problem efficiently, we present an effectual way to detect the ship using the ship hydraulic pressure signal. Firstly, the signature in the proposed method is decomposed by wavelet-transform technique and reconstructed at the low-frequency region. Then,a predictive model is set up by using the radial basis function(RBF) neural network. Finally, the signature predictive error is regarded as the testing signal which can be used to judge whether the target exists or does not.The practical result shows that the method can improve the signal to noise ratio(SNR) obviously.     

基于图像信息检测的船-桥智能避碰系统研究

将避碰决策系统分为船舶运动检测、视觉几何模型和船舶运动态势计算、碰撞预报及预控3部分.针对图像质量问题采取图像预处理增强、中值滤波、直方图均衡处理方法.采用相位相关算法基于背景模态模式静态空间信息记录图像信息,补偿图像抖动.基于视觉几何模型计算船舶运动态势计算船舶目标空间坐标位置、船舶型尺度、船速、船首向等.基于实时运动状态信息和桥区船舶运动态势预报碰撞危险以及避碰决策模式.引入避碰等级术语通过计算桥区船舶操纵避碰相关参数,进行避碰早期预警并得出避碰操纵决策方案.形成合理化的船-桥避碰决策系统,以达到船-桥避碰预警预控的智能效果.     

舰船水压场信号实时检测方法研究

为了有效地从风浪背景中检测舰船水压场信号,在对大量实测海浪水压场数据和舰船水压场数据分析的基础上,对海浪水压场信号的特性进行了研究,发现海浪水压场信号可用AR模型对其进行描述．从而对海浪水压场信号建立AR模型,计算AR模型的反射系数并提取其欧氏距离作为特征,采用滑动检测法对信号进行实时检测．通过大量实测数据检验其有效性,结果表明,该算法简单,能较好的检测目标信号．     

混沌弱信号检测法在齿轮裂纹声发射检测中的应用

分析了Duffing振子的间歇混沌发生原理.研究了基于Duffing方程间歇混沌理论的混沌弱信号检测法,该方法对周期小信号具有敏感特性,能够在强噪声环境下实现对微弱周期小信号的检测.分别采用频谱分析法和混沌弱信号检测法对齿轮裂纹声发射实验数据进行检测,结果表明混沌弱信号检测法具有更高的检测精度和更强的抗干扰能力.     

���ڸĽ�����ɫ������ֱ��ͼ���µ�Mean-Shift�㷨

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明：与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.     

水中目标水压场信号特征提取与检测研究

利用目标信号功率主要集中在低频部分的特点，用功率谱估计方法提取低频信号的能量作为特征，提出了所谓的浮动阈值方法，对信号滑动地进行目标检测．通过对实验船模水压场信号进行检测验证。讨论了在各种不同情况下，目标信号的特征提取及目标检测方法的效果，验证了该方法的有效性．     

基于小波和SVR的红外弱小目标检测方法

在分析红外图像弱小目标特征和背景特征的基础上,提出了基于小波变换和支持向量回归（SVR）的自适应滤波的检测方法．该方法首先采用小波变换抑制大部分背景杂波;然后用基于SVR的自适应滤波器（SVRBAF）对高频小波系数进行处理,大大提高了图像的信噪比;最后,基于目标的连续性和运动轨迹的一致性,采用流水线结构的序列处理方法进一步提高检测性能．仿真结果表明：该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测．     

Background Extraction Method Based on Block Histogram Analysis for Video Image

Introduction Withtherapiddevelopmentofvideosurveillance systemwhichisbasedoncomputervisionandimage processing,ithasbeenwidelyusedinsuchareasas shoppingcenters,airports,commercialbuildings,and congestedroads.Inmanycases,thepurposeofvideo surveillanceistode…     

基于非高斯AR模型微弱信号双谱分析

采用高阶谱分析方法,基于非高斯AR参数模型对舰船微弱水声信号进行双谱分析.讨论了双谱和目标信号建模的相关概念;对实验数据进行高、低信噪比信号检测效果比较以及双谱与周期图功率谱的比较分析.分析结果表明,利用非高斯AR模型双谱技术分析水声微弱信号是一种新的有效方法,能够显著提高检测微弱信号的能力.