基于纹理不变性的车辆阴影处理方法

由于视频蕴含丰富的信息，视频监控与检测技术在ITS中应用得越来越广泛．视频测量交通参数，需要从序列图像分割出车辆．车辆分割面临的一个难点就是检测与车辆连在一起的阴影．由于阴影在很多特性上与车辆一致。阴影经常被当成车辆一部分，影响车辆分割的稳定性与准确性．一般地，路面与车辆在纹理结构上存在较大的差异．文中推导了纹理在光照变化情况下的一种不变特性——极点分布，并提出了一个基于极点分布不变性的车辆阴影检测算法．这种算法能够精确地检测视频图像车辆的阴影，检测出因各种原因被误为车辆的路面，检测出车灯照射产生的路面亮斑，从而为车辆的精确分割和交通参数测量创造有利条件．     

基于反馈背景模型的城市道路交叉口前景目标检测

为准确检测城市道路交叉口监控视频中缓慢行驶或短时停留的前景目标,提出了一种基于前景目标反馈的背景模型检测方法.首先基于观测样本的像素值构建背景模型,利用计数器观测像素点检测为前景或背景的次数并描述当前场景的交通状态和稳定性,其次根据场景自适应阈值判断当前像素点为前景点或背景点,最终通过交通状态和场景的稳定性更新背景模型.采用基于真实的交叉口视频场景对算法的有效性进行了定性与定量分析.实验结果表明,该算法在复杂的城市道路交叉口场景中检测出缓慢行驶或短时停留车辆的性能优于其他方法,同时能够满足城市道路交叉口智能视频监控实时性和准确性的要求,为交叉口前景目标的行为分析奠定了基础.     

灰度一梯度共生／环形Gabor滤波纹理分类

解决旋转不变纹理分析问题，提出一种新的旋转不变纹理分类方法：灰度～梯度共生（GGC）／环形Gabor滤波（CGF）联合。将灰度—梯度共生矩阵用于纹理图像的统计分析中。此外，将传统的Gabor滤波器（TGF）改进为环形对称形式，通过CGF信道输出区得旋转不变纹理特征。将两种方法结合起来作为分类纹理依据，提出基于信息增益的特征选择算法。实验结果表明该方法具有较高的分类性能。     

基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富，需要进行有效的纹理特征描述．小波域隐马尔可夫树（HMT）模型提供了一种有效的纹理特征提取方法．简述了HMT模型及分割思想，并在此基础上针对多光谱遥感图像，探索更好的纹理描述方法．通过适当的数学变换，得到多光谱遥感影像在不同角度下的描述：H—S—I分量和最大主成分分量．研究比较各分量特性并应用HMT模型，得到不同分量下纹理分割结果．实验表明，利用多光谱信息可有效地提高分割质量。     

城市道路排队车辆检测方法

针对城市道路环境下的排队车辆检测问题,提出一种基于边缘信息和局部纹理特征的综合检测方法。根据交通环境的特点,对比5种不同边缘检测方法的性能,采用Canny算法提取边缘信息,采用改进的LBP方法提取纹理特征,得到车辆的综合检测结果,提取车辆排队长度和车道占有率等交通参数。分别采用综合检测方法、高斯混合模型和帧差法处理快速路、交叉路口、阴雨天气、光线突变、大雪天气、浓雾天气等场景下的视频图像,并采用ROc曲线对检测性能进行量化评价。分析结果表明：在快速路和大雪天气场景中,3种方法检测性能基本相似,最佳检测率分别接近90．0％和60．0％,虚警率分别不超过5．0％和10．0％;在交叉路口场景中,3种方法的最佳检测率分别为77．1％、31．5％、13．6％,虚警率分别为16．5％、3．2％、19．0％;在阴雨天气场景中,3种方法的最佳检测率分别为65．2％、3．0％、62．4％,虚警率分别为10．5％、5．0％、56．5％;在光线突变场景中,3种方法的最佳检测率分别为62．0％、18．9％、39．7％,虚警率分别为10．8％、55．1％、36．0％;在浓雾天气场景中,当能见度较低时,3种方法的检测率和虚警率均接近于0。     

基于改进StyleGAN路面缺陷数据增强算法

针对复杂场景下路面缺陷数据样本少且图像质量差的问题,提出基于改进StyleGAN路面缺陷数据增强算法。在原有StyleGAN的基础上引入自注意力机制,以加强生成器对图像纹理细节信息的关注;引入SLE标签编码器以调节生成图像的纹理细节;增加噪声输入量,提升训练样本的复杂性和生成样本的多样性;采用WGANGP损失函数并调整模块分辨率来提高模型的收敛效率。通过消融实验、直观评价方法和量化评价方法分析评估模型图像生成质量,验证得出文中算法生成的路面缺陷图像质量较好,IS达到52.1,FID达到54.2;经4种经典目标检测算法测试,平均精度均值同原始数据集相比平均提升了30%左右,召回率提升了7%左右。     

基于多入侵线的视频车速检测方法

为提高视频中车速检测的精度，提出一种基于多入侵线的视频车速检测方法。首先在视频中布设已知相对距离的多条入侵线，其次检测车辆经过每条入侵线时的帧数，最后结合帧数、 摄像机的采样时间、入侵线间的距离生成关于车速的概率密度函数模型以计算车速。通过构建仿真环境验证模型性能，仿真结果表明：减小摄像机的采样时间、增加入侵线数量、增大入侵线之间的距离可以提高模型性能，并且在不同检测条件下使用多入侵法进行车速检测的误差率都更低。采用Deepsort+YOLOv5目标跟踪算法实现视频中车速的检测，同时，在视频车速检测综合数据集BrnoCompSpeed上与主流车速检测方法进行实验对比，实验结果表明，该方法测量结果的平均误差率为1.40%，与主流视频车速检测方法相比精度更高。     

基于语义相似度的话题关联检测方法

为有效识别任意两篇报道的相似性,提出了一种基于语义相似度的话题关联检测算法.该算法首先通过计算特征词之间的相对熵作为两篇报道中特征词之间的语义相似度;其次,通过计算平均语义相似度获得特征词和报道之间的关联度;最后,结合特征词在语料库中的TF-IF(term frequency-inverse document frequency)权重计算两篇报道之间的关联度,实现报道之间的关联度检测.本文提出的方法与现有的向量空间模型方法和仅依赖于平均点互信息的方法进行了比较,并通过TDT4中文语料进行测评,结果表明,基于语义相似度的关联检测方法能够更好地利用文本的语境信息,提高了现有检测系统的性能,其最小DET(detection error tradeoff)代价降低了3%.      

公路收费站横杆状态的视频检测方法及应用

以高速公路收费站监控视频为背景,提出一种可自动分析和检测横杆运行状态的方法,从而判断车辆通过与否并统计车辆数。该方法的实现,首先对横杆的颜色特征和轮廓几何特征进行学习;然后对监控视频图像进行颜色和几何特征匹配以滤除非横杆区域;再对得到的疑似横杆区域进行修复;最后计算横杆的重心坐标及其运动状态以判断开闭状态。样本测试显示,新方法能有效克服视频场景中各种干扰因素的影响,提高车辆计数的准确性。     

基于混合比例方法抽样用于入侵检测

支持向量机对于样本量不足的情况下会使得入侵检测分类精度普遍下降.为了提高入侵检测的检测精度,提出了一种利用混合比例抽取样本研究不平衡数据集的方法.该方法首先将数据集按各种类别分开,然后不按比例抽取,使得每层样本中的数据量相对平衡.再用此样本集构造分类器,采用构造的分类器去构建入侵检测系统进行检测.实验结果表明,使用这种混合比例的不平衡数据集分类方法可以有效地提高检测精度,而且降低误报率.     

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

Eye and Iris Detection Using Projection and Radial Symmetry Transform

This paper presents an eye and iris detection algorithm for human facial images. The authors combine three features of the eye to develop the algorithm: 1) the pixels surrounding the eyes are more variable than other parts of the face; 2) eye pixels are darker than their neighbors; 3) eyes often exhibit radial symmetric properties. Through the first feature, two rough regions of both eyes are detected on the face. Eye masks are then formed based on the second feature, and a fast radial symmetry transform is applied to the two rough regions of both eyes. Finally, accurate iris centers are located by searching the maximum value of the radial symmetry transform results. Using 450 human facial images from the Caltech face database, experiments show that the success rate of the proposed method is 91.7%. The effectiveness of the method was also verified through detection of video frames.     

改进MOG-LRMF 的铁轨动态异物检测

针对复杂铁路环境下动态入侵异物检测精度低和抗扰能力差等问题,提出一种基于改进MOG-LRMF算法的铁路轨道异物入侵实时检测方法. 引入仿射变换,对视频序列可能出现的抖动进行预校正处理;分析MOG-LRMF模型特点,利用MOG模型对视频帧中的背景进行建模,用前一帧背景中学习到的知识对当前帧背景进行预测,优化MOG-LRMF参数求解模型;利用EM算法对改进MOG-LRMF模型进行参数求解,实现背景在线实时更新. 实验结果表明,改进的MOG-LRMF算法在光照充足、光线较弱、相机存在抖动、背景复杂及存在多个目标情形下都能提高目标检测精度,具有较好的抗干扰性、鲁棒性和快速性.     

基于视频检测的自行车流跟驰特性分析

自行车具有骑行速度慢、行驶轨迹多变等特点,传统检测手段难以获取车行轨迹数据。提出基于视频检测来研究自行车流跟驰特性的方法,在对视频检测交通流所获得跟驰事件定性分析的基础上进一步提出用K-means聚类定量判定出跟驰样本,并根据筛选出的样本建立自行车流的广义回归跟驰模型,统计分析结果表明该方法是有效的。     

一种基于融合网络的慢行交通速度计算方法

慢行交通速度是慢行交通参数不可或缺的一部分，现有的通过目标检测从视频中提取目标速度的方法不能兼具检测准确率与目标框的稳定性，且选取的速度计算基准点(简称基准点)波动大，存在速度不准确、不稳定的问题。为解决此问题，本文提出一种基于 YOLOv5(You Only Look Once Version 5)的融合检测跟踪网络及速度计算方法，获取更准确、稳定的速度。首先，使用目标检测与目标跟踪单元得到目标的检测框与ID信息，并根据检测框获取目标感兴趣区域送入头部检测单元，进一步获取头部检测框；其次，根据场景下的目标特征判断头部检测框所属，并根 据判断结果提供两种基准点计算方法；最后，对二维基准点坐标进行三维映射，并将结果代入速度计算公式获得速度；同时，提出准确度( MA )、稳定度( MS )两个评价指标以量化评价方法。本文在公开数据集PETS09-S2L1与TUD-Stadtmitte上验证融合网络的检测、跟踪效果，在自建双视角协同数据集上验证基准点计算和速度计算方法的效果。实验结果显示，融合网络的目标检测和跟踪准确率(MOTA)比单一网络高25%以上，本文速度计算方法比常用速度计算方法的准确度提高了30%，稳定度提高了6.28%。本文方法可兼具检测准确率与目标框的稳定性，选取的基准点波动更小，获得的速度更准确、稳定。     

运动车辆检测的APG-TR算法

为了提高智能交通系统中运动车辆检测的准确率,提出了一种基于张量恢复的APG-TR算法。采用张量表征交通视频图像,保持视频图像高维结构特征。通过张量恢复,重建出张量的低秩部分与稀疏部分,实现交通视频图像中交通背景与运动目标车辆的分离与交通视频内在特征的提取。利用交通监控系统采集到的交通视频106帧图像对本文算法进行了测试。测试结果表明:在晴天条件下,APG-TR算法的平均正确率为91.4%,在雨、雾天气条件下,正确率分别为86.4%、85.2%,相比帧差法更加稳定与准确。APG-TR算法具有良好的收敛速度与鲁棒性,在智能交通领域中具有广泛的应用前景。     

基于视频深度学习的铁路周界入侵检测算法研究

基于视频智能分析的铁路周界入侵检测算法相比于雷达、振动光纤,具有成本低、误报率低的优点. 针对视频中存在不同分辨率目标的问题,提出一种改进的Cascade Mask RCNN( CMR)模型,使用级联结构获得目标的准确定位. 为增强模型对小目标的检测能力,在原始模型的基础上,增加基于特征金字塔网络(FPN)的多尺度特征提取模块和基于空洞金字塔汇聚(ASPP)子网络的空间上下文增强模块. 在实际铁路周界入侵场景视频中验证了模型的有效性. 结果表明,该模型可实现不同场景下的铁路周界入侵检测,相较于原始模型,新模型对小目标检测的F-measure 提高了0.24. 模型既解决了不同场景下铁路周界入侵检测问题,又有效地提高了视频智能分析对小目标检测的准确率.     

刍议英语篇章结构分析

培养学生具有较强的阅读能力是大学英语教学的主要目标之一 ,而准确对篇章结构进行分析是提高阅读理解能力的关键所在。本文就语篇分析的重要性进行了分析 ,并介绍了不同文体的语篇结构 ,以及分析语篇结构的具体方法。     

自适应铁路场景前景目标检测

现代铁路系统中,智能视频分析技术已被广泛应用于异物入侵监测,前景目标检测是入侵判断的必要过程. 背景差分常用于检测前景目标,但铁路场景复杂,存在动态变化的背景区域和未知类型的目标,现有基于阈值分割或深度学习的背景差分算法都不能满足需求,故提出一种基于阈值自适应调节的前景目标检测算法. 利用像素值在时间上的动态信息,分割结果的反馈信息和由超像素提供的空间信息确定阈值调节因子,动态调节阈值以适应环境变化;提出一种灵活可靠的背景模型初始化方法,消除鬼影问题,实现一帧到多帧初始化的灵活切换. 实验结果表明,所提算法在铁路场景上取得了较好的准确率和误分类率,且平衡了精度和速度.     

一种基于直方图的车辆检测方法

获得车辆图像的准确定位是视频交通检测的关键,在分析传统车辆检测方法不足的基础上,提出的基于直方图的检测方法,能够提高图像分割的准确性,确保对车辆目标的顺利提取,具有一定的实际应用价值。