基于小型深度学习网络的车位检测方法

针对车载嵌入式系统开发需求,文章提出一种小型深度学习网络的车位检测方法。环视图像的车位角点具有大小相近、分布均匀的特点,将整个环视图像分割成若干个子图像,裁剪深度网络模型结构,使用小网络对各个子图像进行车位角点检测,可以有效降低大图像高算力的要求。实验数据表明,以384*640图像大小为例,将原图像分割成128*128子图像,子图像的深度网络算力要求为原图像的1/15,而相应的检测性能没有损失。     

基于熵权的TOPSIS钢桥面防水黏结材料组合体系优选分析

为合理选择钢桥-沥青混凝土铺装结构防水黏结材料,首先,制作含不同防水黏结材料组合体系的钢板-沥青混凝土复合试件,并在低温（0℃）、常温（25℃）和高温（70℃）环境下分别测试复合试件的拉拔强度（Direct Tensile Strength,DTS）、直剪强度（Direct Shear Strength,DSS）和45°斜剪强度（Skew Shear Strength,SSS）。同时,利用UTM万能试验机测试常温（25℃）状态下复合试件的疲劳寿命。构建包括拉拔强度（DTS）、直剪强度（DSS）、45°斜剪强度（SSS）、疲劳寿命（Fatigue Life,FL）和材料成本（Materials Cost,MC）在内的钢桥面防水黏结材料评价指标体系。利用信息熵理论对评价指标的权重进行求解,结合逼近理想解排序（TOPSIS）方法,比较不同防水黏结材料组合体系的综合性能,建立基于熵权-TOPSIS钢桥面防水黏结材料组合体系优选模型,并获取优选结论。最后,通过图像二值化验证优选结论。结果表明：图像二值化分析结果与基于熵权-TOPSIS防水黏结材料组合体系优选模型得出的优选结论一致,验证了熵权-TOPSIS方法在钢桥面防水黏结材料优选设计中的有效性。该模型排除了人为主观因素影响,可为钢桥面防水黏结材料选择提供一种客观有效的方法。     

基于类间距优化的分心驾驶行为识别模型训练方法

分心驾驶行为识别任务可以看作细粒度图像分类任务,即图像中较小区域所包含的特征决定了该图像的类别,如一张图像是正常驾驶还是与副驾驶聊天完全由驾驶员的脸部朝向来决定.对于那些图像差异很小的类别,图像分类通常训练方法训练出的模型无法高精度地区分.针对这一问题,提出了基于类间距优化的分心驾驶行为识别模型训练方法,通过增大模型从...     

车载电子后视镜图像畸变研究

设计了摄像头光学透镜组,在标准网格图像经过该透镜组成像之后,标准网格图像产生了图像畸变。当选用CMOS图像传感器的长×宽比例的数值接近时,图像产生的畸变就减小,对应TFT显示屏的尺寸长×宽比例的数值接近,电子后视镜的视野也会减小;当CMOS图像传感器的长×宽比例数值增大时,电子后视镜的视野也会增大,图像产生的畸变就增大。在ISO 16505中没有规定几何畸变的具体参数指标,如果电子后视镜CMS与汽车主机厂前装配套,则CMS显示屏的尺寸或者长×宽比例需要有固定比例数值,以便保证电子后视镜的技术参数一致,也可以保证汽车的驾驶安全。     

基于深度学习方法的路面裂缝目标检测

公路和城市道路最主要的路面损坏类型是裂缝类病害。能否准确识别,尤其在众多路面信息图像中高效甄别各类表观病害,为路面技术状况评定、养护科学决策和路面病害处置提供基础数据,是当前领域研究的重难点。为此,对横向裂缝、纵向裂缝、斜裂缝长度类和龟裂、破损板面积类等典型裂缝类病害几何特征进行分析,确定了自动识别裂缝样本标注方法,构建了路面裂缝目标检测样本库,包含沥青裂缝长度类图像样本6 311个、龟裂面积类图像样本4 086个、水泥裂缝长度类图像样本37 945个、破碎板面积类图像样本7 310个。基于Faster-RCNN进行训练验证,开展路面裂缝目标检测并实现自动识别。利用北京市政道路2 000 km路面图像进行试验验证,并与路面裂缝Unet分割自动识别方法进行对比。试验结果表明,开展路面裂缝目标检测可通过提出的深度学习方法,有效提高召回率和准确率,其值高达85%以上,自动识别运行效率为12.3帧/s,与Unet分割自动识别方法对比更接近路面裂缝实际情况。     

利用图像超分辨率提升交通标志分类精度研究

为了解决利用卷积神经网络进行交通标志分类时精度低的问题,通过将图像超分辨率网络与分类网络相连接,提出一种超分级联网络结构。首先使用改进的双重注意力机制超分辨率网络作为级联网络的子网络;然后训练图像分类网络,用于对超分辨率处理后的图像进行分类;最后利用分类准确率衡量超分辨率重构对图像分类任务的有效性。模拟和真实交通标志数据集验证结果表明,经过超分辨率处理的图像在分类模型中均取得了更高的分类准确率,证明了超分辨率技术对于交通标志图像分类准确率的提高具有促进作用。     

交通图像大气加雾模型设计与评价

针对数字孪生过程中,交通雾霾图像的采集受天气限制,数据库获取困难导致样本不足等问题,提出了一种新的大气加雾模型,并用于扩展不同浓度的交通雾霾图像数据库。首先,结合暗特征原理,求解大气光值,并提出了一种基于区域方差的大气光补偿方法来获取大气光估计;其次,利用颜色衰减先验估计场景深度,求解初始透射率;然后构建了图像大气加雾模型,将计算的大气光估计与大气加雾透射率代入模型,并利用雾霾系数调整加雾浓度;最后设计了多组交通视频加雾实验并进行评价。实验结果表明,提出的算法能随着预置雾霾系数增大,使得图像主观上明显趋于模糊,客观指标随之逐步发生变化,图像降质规律与真实的含雾场景基本一致,可用于扩充雾霾数据集,具有很好的有效性和实用性。利用不同去雾算法评价对比加雾图像可知,复原图像效果与针对实际图像的去雾效果基本无异,进一步反向验证了加雾模型的有效性。     

自适应车牌抓拍识别算法研究

现有图像分割技术对复杂的环境适应性并不强,在有外界因素干扰的情况下,简单的图像分割技术根本无法满足工程实践的精度要求,针对此种情况,提出一种自适应的图像分割方法,利用小波分析剔除图像噪声,在充分保留图像原始信息的情况下再对图像进行分割处理,该分割方法能够根据不同的环境状况,不断调整X、Y方向的阈值检测范围,获取不同方向上图像最大的梯度变化率,通过图像梯度变化率以及X、Y方向的阈值变化确定最佳的分割区域。最后,以复杂环境下车牌照图例作为算例对所提算法进行验证,测试结果表明,自适应图像分割算法在一定程度上能够适应复杂的环境条件。     

红外热像仪在交通事故侦探中的应用

自然界中，一切物体都可以辐射红外线，因此利用探测仪测定目标本身和背景之间的红外线差并可以得到不同的红外图像，热红外线形成的图像称为热图。目标的热图像和目标的可见光图像不同，它不是人眼所能看到的目标可见光图像，而是目标表面温度分布图像。换句话说，红外热成像使人眼不能直接看到的目标表面温度分布，变成人眼可以看到的代表目标表面温度分布的热图像。     

基于成像技术评估粗集料尺寸和形状特征

使用三维成像系统——伊利诺伊大学集料图像分析仪(UIAIA),根据已建立的UIAIA试验方法,由粗集料颗粒图像分别定义出集料基于成像技术的三维形状、尺寸、棱角性和表面构造指数。应用统计学方法,结合图像分析确定了4类常用的粗集料形状特性数据。指出了粗集料基于成像的棱角性和表面构造指数之间存在的确定性关系,并且将它们联系到实验室和现场沥青混合料的使用性能。