基于车载视觉的行人检测与跟踪方法

为提高城市交通环境下车辆主动安全性,保障行人安全,提出了基于车载视觉传感器的行人保护方法. 利用Adaboost算法实现行人的快速检测,结合Kalman滤波原理跟踪行人,以获取其运行轨迹.该方法利用离散 Adaboost算法训练样本类Haar特征,得到识别行人的级联分类器,遍历车载视觉采集的图像,以获取行人目 标;结合Kalman滤波原理,对检测到的行人目标进行跟踪,建立检测行人的动态感兴趣区域,利用跟踪结果分 析行人的运行轨迹.试验表明:该方法平均耗时约80ms/帧,检测率达到88%;结合Kalman滤波原理跟踪后,平 均耗时降到55ms/帧,实时性较好.      

航空影像的直线特征检测算法

提出了从高分辨率航空影像中提取直线的算法．该算法首先检测出图像的边缘特征，以Freeman码表达连续的边缘，通过构造直线段上下一个像素可能位于的区域，将检测一段边缘线是否为直线段的复杂问题简化为一个简单的边缘条件判断问题．     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

基于像素-亚像素级形态分析的路面三维图像裂缝自动识别算法

为了准确有效地检测路面裂缝,为路面性能评估、路面养护管理、路面结构和材料设计提供数据支撑,针对1 mm/像素路面三维图像提出了基于像素-亚像素级形态分析的裂缝自动识别算法。首先,应用Canny算法和区域生长算法检测候选裂缝目标并进行融合处理,得到融合分割图像;然后,提取并重构像素级与亚像素级图像骨架;最后,融合像素-亚像素级骨架图像,综合利用形态学算子和轮廓长度、圆度、扁平率等连通域形态特征提取裂缝目标。基于150张路面三维图像(992像素×992像素)对笔者算法和另外5种既有算法进行测试,结果显示,笔者算法获得了较高的准确率(均值90.45%)和召回率(均值96.49%),F均值由高至低分别为:笔者算法(90.72%)、种子并行生长算法(39.65%)、GAVILáN算法(33.46%)、各向异性测度算法(30.32%)、Canny检测(25.85%)和OTSU分割法(5.85%)。算法适用性分析表明,笔者算法较适用于细小裂缝图像识别,种子并行生长算法、GAVILáN算法和各向异性测度算法有利于宽而明显的裂缝识别,而Canny和OTSU通常可作为裂缝识别算法中的一个图像处理环节。     

基于形态分析的无人机视频车辆自动识别算法

为从广域的视角准确全面地采集连续交通流信息,针对悬停无人机视频提出了基于形态分析的车辆自动识别方法。首先,人工勾画视频帧图像的感兴趣区域,并进行灰度化处理;其次,基于感兴趣区域的Canny边缘检测结果生成亚像素级骨架图像,并对图像骨架进行分解和重构处理;然后,综合应用形态学运算(膨胀、腐蚀、填充、闭运算)和连通域形态特征(面积、矩形度、等效椭圆长轴与短轴)识别车辆目标;最后,对548帧无人机视频图像分别进行算法检测和人工识别,并计算车辆识别的正检率、重检率、漏检率和错检率。结果表明:该算法具有较高的正检率(均值95.02%),较低的重检率(均值2.20%)、漏检率(均值2.77%)和错检率(均值8.24%);同时,正检率、重检率、漏检率和错检率标准差分别为2.09%、1.67%、1.67%和2.56%,表明算法性能指标值离散程度较小、稳定性较高。     

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.     

无链表图像感兴趣区域编码算法

针对基于链表实现的感兴趣区域编码算法占用存储资源较多的问题,提出了一种无链表的编码算法.在SPIHT(等级树集合分裂)编码过程中,采用标志位图表示系数和集合的重要件信息;优先编码感兴趣区域,利用队列缓存非感兴趣区域系数和集合信息;编码非感兴趣区域时,从队列中恢复编码所需的重要件信息.编码过程不需要提升感兴趣区域小波系数,能实现感兴趣区域重建质量的精确控制.仿真实验表明,该算法优于提升小波系数的感兴趣区域编码算法;当编码码率为1 bpp(比特/像素)时,其存储需求仅为链表实现的感兴趣区域分离编码算法的1/10.     

一种基于贝叶斯特征的视频图像人脸检测

提出了一种基于仿射运动模型和贝叶斯理论的视频图像人脸检测方法.建立仿射运动模型进行运动估计,提取运动对象区域;对训练图像提取人脸与非人脸的统计特征,利用贝叶斯准则建立概率模型;根据贝叶斯分类器和支持向量机分类器将图像特征分为人脸类与非人脸类,从而检测出视频运动图像中的人脸区域.     

һ���µ�ͣ��λ�����Ż�ģ��

针对国内机场目前基本依据经验分配停机位的情况,基于传统滑行路径的理念,建立了降低旅客进出机场飞行区时间的停机位分配模型.在满足场面运行安全约束及可接受延误水平下,寻求时间最小的分配方案.通过机场的地面网络数据、运行模式以及航班计划等信息,利用计算机仿真对模型进行了算法设计,并利用MATLAB编程进行了计算,与机场地面容量评估系统（ACES）中的停机位随机分配模型进行了对比.结果显示：与随机分配模型相比,旅客飞行区平均停留时间减少9.7%,机场地面容量提高5.7%,冲突次数和延误时间分别降低9.4%、6.4%.因此,机场运行效率与资源配置情况得到改善,所提模型与算法有效.     

梯度法优化下的机场跑道容量结构分析

梯度法(又名最速下降法)是计算机数据优化的经典算法,通过设定选定区域内的任意两个参数进行比较,从而逐步缩小选定区域范围,直至找出极值。梯度法在计算机数据算法领域运用广泛,运用其基本理论及程序编辑,以成都双流国际机场跑道容量结构为例进行分析,找出使用频率及规律,对加强重点季节时段的监管、预测跑道容量、评估跑道运行能力、考量机场饱和度具有重要意义。将计算机中成熟的优化算法运用到民航数据统计及管理中,也是未来民航业发展的趋势。     

����FPGA��ʵʱ����Ŀ�����ϵͳ�����ʵ��

针对民航机场及周边空域安全管理的需求和雷达监视存在盲区易受干扰的缺点,设计了一种基于FPGA的实时空中目标跟踪系统. 针对空中目标的特点,采用灰度图像的帧间差分法进行目标检测,自适应双阈值进行目标分割,形心跟踪法进行目标跟踪,达到25帧/s的实时处理速度;算法通过设置跟踪区域和目标锁定点,排除了干扰的影响,提高了系统跟踪能力;采用形心坐标的脱靶量作为云台调整参数,依据分割目标像素大小在跟踪过程中进行了自动变焦控制;采用IDE接口硬盘作为存储介质,FAT32文件系统作为图像存储形式来记录实时图像. 外场实验表明,系统工作稳定,跟踪算法简单实用,可辅助雷达系统对飞机起降及机场空域移动目标进行跟踪监视.     

基于FPGA的实时空中目标跟踪系统设计与实现

针对民航机场及周边空域安全管理的需求和雷达监视存在盲区易受干扰的缺点,设计了一种基于FPGA的实时空中目标跟踪系统. 针对空中目标的特点,采用灰度图像的帧间差分法进行目标检测,自适应双阈值进行目标分割,形心跟踪法进行目标跟踪,达到25帧/s的实时处理速度;算法通过设置跟踪区域和目标锁定点,排除了干扰的影响,提高了系统跟踪能力;采用形心坐标的脱靶量作为云台调整参数,依据分割目标像素大小在跟踪过程中进行了自动变焦控制;采用IDE接口硬盘作为存储介质,FAT32文件系统作为图像存储形式来记录实时图像. 外场实验表明,系统工作稳定,跟踪算法简单实用,可辅助雷达系统对飞机起降及机场空域移动目标进行跟踪监视.     

多机场终端区进离场航班协同排序研究

为了缓解繁忙终端区日益严重的空域拥堵和航班延误现状,研究了多机场终端区进离场航班协同优化排序问题.通过深入分析多机场终端空域结构,以及进离场航班运行特征,综合考虑尾流间隔、移交间隔、放行间隔、多跑道不同运行模式下的运行间隔等约束限制,将多机场终端区视为一个系统,引入"外围航班流"概念,以最小化航班延误为优化目标,建立了多机场终端区进离场航班协同优化排序模型,并采用改进的模拟退火算法对所建模型求解.选取上海终端区为研究对象进行仿真验证,仿真结果表明:利用本文提出的优化方法航班总延误比先到先服务策略减少了37.85%,有效地提高了多机场终端区进离场航班的运行效率.     

Recognition Algorithm and Risk Assessment of Airport Hotspots

The hotspot recognition algorithm is proposed based on a potential collision in order to study the aircraft taxi conflicts in large airports. The spatial and temporal distribution characteristics of hotspots are analyzed based on the risk assessment model of hotspot constructed in this paper. Firstly, approaches for monitoring of the aerodrome movement were compared. The hotspot recognition algorithm taken into account of whether aircrafts' taxi track has spatial and temporal overlap based on the aerodrome surveillance radar(ASR) data was presented, by identifying the hotspots through analyzing whether the aircrafts' time of entering and exiting the same taxiway is overlap or not, and the heading difference and distance of the two aircrafts satisfy the specified threshold constraint condition. Then, the ASR data were divided into several parts, and then airport hotspots were recognized and the spatial and temporal distribution characteristics were analyzed. The risk assessment model of airport safety hotspots was constructed which is taken into account of the conflict probability and its severity consequence. Finally, based on the risk grade assessment criteria and hotspots' risk value, the risk grade ranking of hotspot in one airport of China was evaluated and designated. According to the result, the spatial and temporal distribution characteristics of airport hotspots were varied with the variation of airport traffic flow and operational mode of runway, which shows that the hotspots have the characteristics of dynamic periodicity and diurnal variation. And the risk assessment results were consistent with experts' opinions and actual operation condition, which verified the rationality of the hotspot recognition algorithm, risk assessment model as well as the risk grade ranking criteria.     

Skin detection method based on cascaded AdaBoost classifier

Skin detection has been considered as the principal step in many machine vision systems, such as face detection and adult image filtering. Among all these techniques, skin color is the most welcome cue because of its robustness. However, traditional color-based approaches poorly perform on the classification of skin-like pixels. In this paper, we propose a new skin detection method based on the cascaded adaptive boosting (AdaBoost) classifier, which consists of minimum-risk based Bayesian classifier and models in different color spaces such as HSV (hue-saturation-value), YCgCb (brightness-green-blue) and YCgCr (brightness-green-red). In addition, we have constructed our own database that is larger and more suitable for training and testing on filtering adult images than the Compaq data set. Experimental results show that our method behaves better than the state-of-the-art pixel-based skin detection techniques on processing images with skin-like background.     

移变模式双站SAR信号模型及电磁仿真研究

针对移变模式下的双基地合成孔径雷达成像方法及电磁仿真进行了研究。在这一模式下对双基地SAR信号频谱进行分析,结合改进的Loffeld模型进行点目标回波信号分析及成像仿真。与此同时,通过物理光学方法获得三维目标的双基地回波信号,在此基础上分别采用原始与改进的Loffeld模型进行了双站SAR电磁成像仿真实验。点目标及电磁仿真结果均表明,与传统的Loffeld模型相比,改进的Loffeld模型在双基地移变模式下具有更为优良的聚焦性能。     

基于环境因素的机场跑道入侵风险评价

随着机场交通量的增大,跑道入侵事件迅速增加,已严重影响到了机场安全,因此,对跑道入侵进行风险评价显得尤为重要。首先将影响跑道入侵的环境因素分为直接环境因素和间接环境因素,建立了跑道入侵风险评价指标体系。基于直接环境因素建立了跑道入侵风险等级评价建议值体系。引入风险系数对评价指标的取值进行处理,将间接环境因素对跑道入侵的影响通过直接环境因素体现出来。然后应用非线性可拓综合评价法建立跑道入侵风险评价模型。最后通过实例分析,验证了该评价方法的可行性。     

采用实测数据实时修正的机场跑道水膜厚度面域分布预估方法

为精准预估不同跑道状况与降雨条件下跑道水膜厚度的面域分布，基于二维浅水方程建立了水膜厚度面域分布数值模型，开发了基于格心型有限体积法和HLL(Harten, Lax and van Leer)格式近似Riemann解的数值求解算法；在此基础上，引入水膜厚度的实测数据，通过构造伴随方程，采用梯度下降法获取了实际降雨条件下的最优曼宁系数，从而动态修正了二维浅水方程的计算结果，精准预估了跑道水膜厚度面域分布；采用北京首都国际机场安全预警平台的水膜厚度实测数据和车载式LiDAR系统获取的路面高程数据，计算分析了曼宁系数更新间隔和高程空间采样间隔对模型求解效率和精度的影响，并采用实测数据验证了算法的准确性。研究结果表明：为满足水膜厚度实时监测需求，在综合考虑计算耗时与求解精度的条件下，曼宁系数的最优更新间隔为30～300 s,对于表面平整的道面，高程的最优空间采样间隔为0.1～0.5 m,对于存在车辙等病害的道面，高程的最优空间采样间隔为0.10～0.25 m;在真实降雨条件下，水膜厚度计算值与实测值的平均误差为0.13 mm,最大误差为0.76 mm,满足机场对水膜厚度的监测需求。由此可见，建...