【摘 要】
：
提出了一种监控场景下的实时车辆检测算法。卷积神经网络(CNN)已经在通用目标检测领域中取得了巨大成功,然而针对监控场景下的车辆检测尚鲜有探索,是因为基于CNN的目标检测算法往往难以满足实时应用的需求。基于CNN的鲁棒特征表示,提出了一种实时的车辆检测算法,该算法充分利用CNN不同层不同感受野对不同尺度目标的表征能力,在多层特征图上分别检测不同尺度的目标,该方法直接在特征图上对候选框进行分类和回归,
论文部分内容阅读
提出了一种监控场景下的实时车辆检测算法。卷积神经网络(CNN)已经在通用目标检测领域中取得了巨大成功,然而针对监控场景下的车辆检测尚鲜有探索,是因为基于CNN的目标检测算法往往难以满足实时应用的需求。基于CNN的鲁棒特征表示,提出了一种实时的车辆检测算法,该算法充分利用CNN不同层不同感受野对不同尺度目标的表征能力,在多层特征图上分别检测不同尺度的目标,该方法直接在特征图上对候选框进行分类和回归,不需要对每个候选框进行特征提取,因而大大减少了计算时间,在960 pixel×540 pixel的监控图
其他文献
智能燃气表的应用越来越广泛,其质量检测是燃气表生产企业在生产过程中必不可少的环节。为实现检测自动化、信息化,设计了一套基于图像的燃气表字轮读数准确性和阀门开关状态自动检测系统。识别中采用结合灰度投影定位的改进OTSU算法,以改善二值化分割效果;针对表盘图像内容复杂的特点,采用基于轮廓检测与几何筛选的方法对目标进行定位,达到了较好的效果;最后利用模板匹配对字符进行识别。实验结果表明,识别准确率达到9
针对图像数据高度非线性可分情况下的目标分类问题,在稀疏表示分类框架的基础上,提出了一种基于监督字典学习的核稀疏表示的目标识别算法。采用融合了多特征信息的协方差描述子作为图像的描述符;通过引入核技巧,使非线性的图像数据在高维空间变得线性可分;并把分类误差与重构误差同时引入目标函数,在监督字典学习框架下,使学习得到的字典判别性更强。利用加州大学默塞德分校提供的UCMerced遥感数据集以及自测的红外车
通过对社区住户的个人信息、人脸图像等数据进行采集与上传,设计并实现了一种基于人脸识别技术的社区智能门禁系统。采用TCP/IP协议完成了云服务器与单元门口机及手机APP的通信,利用URAT口或者socket网络完成了人脸识别模块与单元门口机的主控板卡ARM Cortex-A9之间的通信。在此基础上,应用基于局部特征分析的人脸识别算法,实现了对社区单元门门禁的智能控制,并设计了门禁数据后台管理系统,实
为实现紫外(UV)成像技术检测绝缘子缺陷时产生的紫外图像中放电区域的自动准确分割,提出了一种基于改进Chan-Vese(C-V)模型的放电光斑提取方法。通过引入符号距离保持项、用水平集函数梯度的模替代Dirac函数以及简化模型参数来对现有C-V模型进行了改进,然后将其用于获取绝缘子表面放电紫外图像的放电光斑,并给出了基于常规边缘检测算子法、数学形态学的紫外图像分割结果。结果表明:改进后的C-V模型
已有的基于机器人视觉的图像采集处理系统需计算机辅助完成图像处理,数据传输量大且自动化程度低。为了提高输电线机器人对绝缘子的作业效率和智能化水平,设计了一种在线式绝缘子图像采集与实时处理系统。系统以STM32F429微处理器、OV2640图像传感器为核心,不仅有图像采集、显示和存储功能,而且集成了一种用于硬件实现的在线式绝缘子图像处理算法,在大大减少数据传输量的同时避免了人工参与。实验结果表明,设计
为了有效重建低质量指纹图像的脊线信息及真实的奇异点位置,提出了一种加权多尺度复合窗的指纹方向场(orientation field,OF)建立及其分级平滑算法.方法包括加权多尺度复合窗的指纹OF建立和后续的分级平滑两步.a.建立一系列不同尺度复合窗下的OF信息;通过平方梯度一致性指标确定各个尺度在整个系列中的权重;通过权重将一系列OF信息整合得到一个较为准确的粗OF.b.将粗OF量化为两种方向模式
针对自然光照条件下复合绝缘子表面存在阴影或暗区域不能准确分割的情况,提出一种基于改进色差法的复合绝缘子图像分割方法。首先,将采集的图像中复合绝缘子所在区域划分为亮、正常、暗三个部分,分别对亮、暗区域进行光照补偿后,重新合成绝缘子图像;其次,对该合成图像进行颜色分量提取和分析,提出一种改进的色差方法获取最优色差灰度图像;最后,采用Otsu自适应阈值算法结合区域标记和几何形状分析进行分割,从而实现输电
提出了一种联合多种边缘检测算子的无参考质量评价算法,同时考虑一阶和二阶边缘算子,避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像,然后计算灰度图像的梯度,相对梯度以及LOG特征.本文所使用的特征分为两部分,一部分提取相对梯度方向的标准差,另一部分利用条件熵来量化不同特征之间的相似性和相互关系,并且考虑到人眼特性进行多尺度计算,最后使用自适应增强(Ada Boost)神经网络进行训练和预测
针对当前彩色边缘提取算法因没有考虑不同颜色通道的关系,导致提取的边缘不连续或色彩边缘信息缺失等不足,提出了一种基于共生矩阵耦合Otsu阈值的彩色边缘提取。首先,为了评估图像的局部区域内容,计算图像中固定距离与方向上两点像素的关联,构建共生矩阵,得到了像素之间的统计特征,有效描述图像局部统计信息的变化。其次,对共生矩阵空间依次从左到右,从上到下逐像素扫描,形成属性图像。然后,利用二阶邻域来描述每个属
图像在去噪时,梯度算子不能有效识别图像的灰度渐变区和图像淡边缘,而二阶微分量含有更丰富的信息,首先构建二阶微分算子,建立兼顾PM(Perona-Malik)模型和MCD(mean curvature diffusion)模型两者优点的权重函数,可自适应的去除噪声;再用小波包对噪声图像进行系数分解,克服权重函数易受噪声影响的弊端,建立基于小波包与偏微分方程的图像去噪算法。实验结果表明,该算法在兼顾保