关键词： 高速公路   标志牌   智能识别   计算机视觉   深度学习  

摘要： 本文提出了一套基于计算机视觉和深度学习的高速公路标志牌智能识别与管理系统。该系统能够对高速公路标志牌进行自动检测与识别,实现对标志牌信息的智能提取和数字化管理。本文首先分析了系统建设背景和意义,然后提出了智能标志牌识别与数据采集等关键技术方案,并给出了系统软硬件设计与实现细节。通过在多个高速公路场景下进行实验验证,结果表明该系统能够在复杂环境下准确识别标志牌并提取关键信息,达到良好的应用效果,验证了所提出技术方案的有效性。系统推动了计算机视觉与人工智能技术在交通管理领域的应用,对提高高速公路标志牌智能化采集与管理具有重要意义。

关键词： 开级配沥青混合料   图像处理   细观空隙结构   影响因素   路用性能  

摘要： 通过数字图像处理技术,深入探索OGFC(Open-Graded Friction Course)混合料细观结构中空隙的分布、大小和复杂程度,并且分析出空隙数量、面积、空隙分形维数等参数的变化趋势,从而更好地了解这些参数与混合料性能之间的关联。结果表明:OGFC混合料试件断面图像的空隙数量、空隙面积和空隙分形维数等参数同混合料性能密切相关,且相互之间具备良好的线性回归关系。

关键词： 智能交通   车辆牌照识别技术   MATLAB   图像处理   形态学处理  

摘要： 随着计算机视觉的不断发展,车辆牌照识别技术被广泛应用在智能交通管理中。通过对传统车辆牌照识别算法进行研究,设计了基于MATLAB的车辆牌照识别系统。首先对包含车辆的自然图像进行预处理,对处理后图像运用形态学方法及行列坐标扫描法定位车牌区域,通过直方图分割得到车牌字符图像。最后构建字符模板库,运用相似性度量方法匹配识别出车牌号码。通过在MATLAB中进行仿真实验,实验结果表明其能快速、准确地识别出车牌号码,达到预期目标。

关键词： 儿童自闭症   卷积神经网络   图像处理  

摘要： 儿童自闭症是一种难以早期发觉的疾病,这种症状不及时采取治疗措施将会影响一生,因此尽早发现、尽早治疗有着重要意义。儿童自闭症的传统诊断方法通常是通过观察法,这种方法耗费人力物力,容易错过最佳治疗时期。对此,提出了一种基于卷积神经网络的儿童自闭症分类模型,该模型以经过伽马变换、边界增强等图像处理操作后的特征增强数据作为输入,实现了通过儿童面部特征分类自闭症患者。实验结果表明,该模型具有良好的分类性能。

关键词： 变电站   智能巡视   图像处理   边缘检测  

摘要： 变电站智能巡视系统具备识别变电站高压电气设备上搭接鸟巢并发出告警的功能。但在实际应用中,摄像机拍摄的画面通常包含多台设备,导致智能巡视系统无法准确判断鸟巢位置,或将鸟巢搭接位置误判在其他设备上。为弥补异物识别算法无法准确定位的缺点,设计算法对摄像机拍摄的画面进行预处理,完成目标设备分离。对处理后的图像进行异物识别,将提高智能巡视系统的异物定位准确率。

关键词： 田间水稻害虫   小目标检测   多尺度骨干网络   跨通道特征融合   均衡采样   梯度裁剪  

摘要： 在水稻害虫的防治中,往往会因为田间背景杂乱、叶片与害虫颜色相似、害虫个头较小导致水稻害虫不易被察觉。针对田间水稻害虫检测精度不高的问题,提出一种多尺度均衡级联检测模型(ME-Cascade)。为更好地提取水稻害虫这种小目标的特征,该模型以级联神经网络(Cascade RCNN)为基础,引入多尺度骨干网络结构Res2Net,实现单个残差块中构建类似残差的分层连接。然后在区域生成网络中加入跨通道特征融合层,降低训练过程中背景叶片与目标害虫颜色相似带来的干扰,增强候选区域定位的准确性。并在级联检测器中使用样本均衡化采样,解决目标害虫与背景特征数量差异大带来的正负样本不均衡问题,减少小目标的错检漏检。最后,为避免深层网络在小样本检测中梯度爆炸和过拟合的发生,在梯度下降中使用梯度裁剪技术。将该模型用于公开发表的水稻虫害数据集上,mAP达到了96.9%,比原始Cascade RCNN模型提高了2.7百分点,验证了该模型在真实田间的水稻害虫上具有更好的识别效果。

关键词： 深度学习   多目标跟踪   短道速滑   卡尔曼滤波   轨迹预测  

摘要： 以冬奥会的短道速滑比赛场景为例,针对短道速滑中运动员的目标外观差异性小、运动变化快、目标间遮挡频繁等运动特点,设计一个应用于短道速滑场景的多目标跟踪数据集,并提出一种基于轨迹预测增强的多目标跟踪方法.首先计算包围框交并比距离与外观特征余弦距离,联合判断检测响应与跟踪轨迹的相似性解决目标外观相似问题;然后通过跟踪轨迹的全局特征和运动线索恢复被遮挡目标丢失的信息,提高中断轨迹的重关联能力;最后根据检测先验控制新轨迹的初始化,减少噪声检测对轨迹跟踪中身份交换的影响.实验结果表明,与DeepSORT方法相比,所提方法在短道速滑场景中能够稳定地跟踪轨迹,有效地减少了轨迹中断,其中,IDF1提升21个百分点,MOT准确度提高14.3个百分点;该方法在目标差异性小、运动变化快的短道速滑场景中保证长期稳定跟踪,对多目标跟踪在复杂场景中的应用具有启发意义.

关键词： 计算机系统   全景环视   盲区监测   视觉技术  

摘要： 随着交通工具的普及和道路交通量的增加,车辆行驶安全成为人们关注的重要问题。尤其是在日常驾驶中,存在驾驶员难以观察到车辆盲区或局限于有限视野范围内的情况。为了提高车辆行驶安全性,全景环视与盲区监测系统应运而生。该系统利用计算机视觉技术对车辆周围环境进行感知和分析,为驾驶员提供全方位的视觉信息。因此,本文深入探讨了计算机视觉技术在全景环视与盲区监测系统开发中的应用。详细阐述了全景环视和盲区监测的功能,以及设计人机界面交互,重建三维虚拟场景,障碍物检测与警告等关键步骤。通过分析实际数据,证明了全景环视与盲区监测系统在减少交通事故发生率、提高警告响应效率等方面的显著效果。

关键词： 智能监控   计算机视觉   视频监控系统   行为识别   目标提取   红外线报警   监控效果   背景分离  

摘要： 目前的监控系统主要分为红外线报警系统和视频监控系统,红外线系统在复杂环境下的监控效果会受到一定的干扰,而视频监控系统则需要占据大量的数据存储资源,两者都存在一定的不足。本文基于计算机视觉技术设计了一种智能监控与行为识别系统,充分利用了Visual Studio和MFC框架,并结合Open CV计算机视觉库来实现整个系统的设计,同时,系统采用高斯混合背景分离法来实现目标提取,然后通过阈值二值处理方式实现背景分离,最后通过Camsjift和卡尔曼滤波进行目标跟踪并发出报警提示,实践表明具有较好的监控效果和行为识别能力。

关键词： 机场场面   飞机目标检测   注意力机制  

摘要： 机场场面飞机实时监控是远程塔台系统的基础。为实现对机场场面飞机目标快速而准确的检测,提出一种基于YOLOX融合注意力机制的机场场面飞机目标检测方法。在加强特征提取网络中引入卷积块注意力模块,增大对飞机目标空间位置和特征的关注度,同时利用CIoU方法计算目标框回归损失函数,并基于Tensorflow深度学习框架对YOLOX及改进模型开展对比实验。结果表明,YOLOX模型具有较高的检测精度与速度,提出的YOLOX-CT与YOLOX-CS模型的mAP0.5分别达到97.34%及97.28%,FPS值达到46及35。基于YOLOX的改进模型对飞机目标具有较高的检测效率,可保障机场运行安全、提升运行效率。