一个电视监播系统的研制

介绍了一个微机电视监播系统的研制开发,讲述了研制的技术难点及解决方法。包括视频捕获和识别,基于对电视节目的分析,提出了基于时间的视频捕获,基于中心聚焦的摄影原理的“热区”获取法,以及基于散度的图像识别方法。     

动态视频字符发生器的设计与应用

视频字符发生器是一种在视频电子信号中叠加字符信息的系统,即把字符或时间信号加入到视频信号中,使之在屏幕的特定位置上,以特定的模式显示出来。如：显示日期、时间、图片等有关数据。本系统的视频输入信号接VCD／DVD,视频输出信号接电视机,可以通过按键实现内同步或外同步功能,在视频上显示指定的字符和图片,通过添加少量的外接电路来实现温度采集以及实时显示的功能。     

视频内容分析系统的结构设计与应用

本文提出了一种视频内容分析的系统结构,重点分析了几种视频分析方法：视频结构分析,代表帧提取和视频运动分析,并讨论了在视频内容分析基础上的应用,即基于内容的视频检索、视频     

视频检测技术在高架设施动态管理上的应用

为了最大限度地发挥好市政设施的交通功能,上海市政设施管理正以“信息化、智能化”为依托,围绕市府提出的“建管并举,重在管理”的指导方针,朝着建设“数字化市政设施动态管理”方向发展。作为智能交通示范城市之一,延安高架诱导系统也正在紧锣密鼓建设中。     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题，本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法，算法考虑到人的视觉感官特性，首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初卞识别和标定，然后再按照高精度图像检测要求采用分层检测的方法进行搜索，解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题，经过在有度印刷图像的质量自动化检测系统中的应用，算法的速度和效果得到验证。