雾天道路下智能车视觉图像实时快速去雾研究

针对智能驾驶视觉感知领域中去雾算法处理时间过长的问题，提出了一种基于大气散射模型的视频图像快速去雾算法。在暗通道先验去雾的基础上，计算大气光值的自适应参数，提高去雾速度，并优化设计去雾系数，获取半去雾图像，将单幅图像去雾应用到视频实时去雾中；进一步利用限制对比度自适应直方图均衡（CLAHE）算法抑制去雾残余噪声，增强图像道路交通特征。验证结果表明：提出的算法有效提高了图像质量，且视频去雾速度较传统算法大幅提升；图像边缘强度提升近2倍，极大提高了道路能见度。     

一种新的地铁曲线站台异物检测系统研究

曲线形站台无法像直线形站台一样使用人工检测的方法进行开车前的安全检测。本文通过基于背景差分算法的视频检测技术,研究了一种高可靠性的曲线形地铁屏蔽门与列车之间异物检测系统。该系统可获取曲线形站台屏蔽门与列车间隙内的完整图像,辅助或代替列车司机检测地铁屏蔽门与列车之间是否存在异物。经试验,本系统检测准确,鲁棒性好,可提高地铁运行效率与安全性,具有良好推广前景。     

视频稽查助力东部公交安全发展

东部公交作为公益性服务企业,一直致力于为乘客提供安全、舒适、高效、便捷的出行服务,将乘客的安全放在首位。为了这一目标,公司采取了多种安全措施,其中视频稽查就是很重要的强化安全手段,视频稽查在东部公交试点开展后的事故率、违章率环比均有大幅下降。     

基于VPM6467的红外视频超分辨率重构设计

本文设计以VPM6467开发板为硬件平台,Visual Studio 2008为软件平台,图像滤波、积分图计算、运动补偿估计与图像修正等预处理算法在FPGA上进行,超分辨重构核心算法计算在DSP上完成,最终在计算机上实现红外视频的重构与输出。利用串口通信技术将各种不同功能的部件集成为一个重构系统,实现对舰船目标低分辨率红外视频的超分辨率重构。在探测器获取的红外视频分辨率达不到要求的情况下,为红外视景仿真研究提供高分辨率红外视频,为光学目标特性研究提供高质量的图像。     

客运枢纽"人群迷路区"的快速识别与优化 ——以北京南站为例

为缓解大型客运枢纽因诱导服务不到位而产生的人流拥堵问题，采用室内WiFi 定位技术和Mysql获取行人交通流分布热力图，通过百度地图坐标拾取系统识别人流聚集区的具体位置。通过定义迷路人群的交通特征参数，提出“人群迷路区”概念；应用视频识别追踪技术，分析行人速度与加速度的方差，于人流密集区运用视频识别技术寻找“人群迷路区”。最后以北京南站为例进行实地调研，利用调研数据识别北京南站的“人群迷路区”。基于人群速度与加速度方差，“人群迷路区”被分为四类：单纯人流聚集区、因标识不足而产生的人群迷路区、因标识过于复杂而产生的人群迷路区、因商业设施或障碍物遮挡而产生的人群迷路区。同时提出加大商业活动监管力度、简化部分引导标识、增加其他交通方式换乘区域标识等优化方法，可使人群行进效率提高约25%。     

现代重工打造首艘“无人”散货船

2020年4月9日,现代重工集团宣布,与韩国科学技术院(KAIST)共同开发的“现代智能导航辅助系统”(HiNAS)成功安装在韩国航运公司SK Shipping的1艘25万载重吨散货船上。这种先进的导航辅助系统采用了人工智能(AI)技术,可以通过分析船上摄像头的视频图像来确定与附近船舶相撞的风险,并通过增强现实技术(AR)发出通知。红外摄像头即使在夜间或在浓雾中也能够定位障碍物并测量其移动速度。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

基于FPGA的多路视频图像高速同步采集系统

给出了一种能够高速同步采集多路黑白视频信号，采集的精度为８位，采样率为１４．７６８ＭＨｚ。此系统设计以现场可编程门阵ＦＰＧＡ为核心元件，将系统的采样控制逻辑与压缩存储逻辑集成在一块ＦＰＧＡ芯片上，与采用单片机或通用器件实现相比，具有速度快，可靠性高，结构简单、体积小等优点，而且设计周期短，灵活性大，我们已经将其应用在高速高精度的三维净空测量中。