电视信号台标检测原理与实现

文章提出了使用图像分析技术监测电视信号的非法插播及干扰的方法和技术实现;该电视信号台标检测与报警系统使用视频采集卡采集32路电视图像信号,并采用图像分析技术进行台标检测;介绍了建立电视台标模板和进行台标模板动态更新的基本方法,并应用台标模板实现对电视台标的识别;实验结果表明,该系统达到实用要求.     

基于HSV颜色空间加权Hu不变矩的台标识别

该文根据台标的视觉特征,提出基于时空不变区域检测的方法来进行台标分割,并对台标特征提出用基于HSV颜色空间的加权Hu不变矩进行描述,最后采用基于知识库的方法进行台标识别。实验表明：该算法识别正确率较高,效果基本令人满意。     

电视信号监测与报警系统的设计和实现

提出了使用信号检测和图像分析技术监测电视信号的中断、非法插播和干扰的方法和系统设计。该系统采用FPGA和视频采集卡实现32-64路同步信号时序检测与图像检测,并依此设计出一个电视信号自动监测与报警系统;论文介绍了相应的硬件模块设计和软件流程,精确图像模板的动态更新方法,以及通过台标图像模板实现对电视台标的检测过程;实验结果表明,系统达到实用要求。     

基于AdaBoost和LLE的视频人脸特征提取研究

特征提取是生物特征识别的关键环节.本文提出了一种基于AdaBoost和LLE的视频人脸特征提取方法.其大致思路是用VFW技术对视频图像进行采集、接着将AdaBoost算法对采集的图像进行人脸检测,最后应用LLE算法对检测到的人脸图像进行降维并提取出特征.项目实践表明,该方法具有便捷性、实用性和有效性.     

基于GEP自动聚类算法的视频关键帧提取方法

视频关键帧提取技术是视频数据处理研究领域的热点研究问题.该文针对现有的镜头边界检测技术不能有效提取关键帧的不足,提出一种基于小波边缘检测算子的自适应分块视频镜头边界检测算法.通过检测视频镜头变化,得到分割的镜头,然后对视频帧提取图像特征,并利用基因表达式编程(GEP)的自动聚类功能对视频帧进行聚类,提出并实现了基于GEP自动聚类的视频关键帧提取算法(KFC‐GEP).实验证明该方法能较好的提取视频序列的关键帧.     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

治安监控视频中暴力行为的识别与检测

为了充分提取治安监控视频中的时空特征和时序特征,并对暴力行为进行准确的识别与检测,提出一种基于三维卷积神经网络(3DCNN)和卷积长短期记忆网络(Conv LSTM)的暴力行为识别算法。首先,采用一种通用视频描述符—3DCNN结构,提取视频的短时特征,这些特征封装了视频中与目标和场景相关的背景信息,然后,构建Conv LSTM网络对3DCNN提取的短时特征在时间轴上进行建模,进而充分提取视频的高层时序特征。最后,利用Sigmoid函数分类行为动作。为了验证该算法的高效性,对所提出的方法在暴力行为数据集Hockey上进行验证,达到了98.96%的识别精度。测试结果表明,该融合模型在检测效果上优于目前人工提取特征的方法和深度学习的方法。     

基于Camshift跟踪算法与SVM的大输液杂质检测识别方法研究

针对我国医药生产检测包装线上大输液杂质智能检测技术问题,提出了一种利用实时视频图像处理技术检测识别大输液杂质的方法.该方法对连续多帧被旋转的大输液瓶图像运用差分图像运动分析方法提取目标杂质;运用图像处理技术去除气泡噪声,准确分割目标杂质,采用Camshift跟踪算法连续跟踪几帧运动杂质以确保检测准确率;根据Camshift跟踪算法提取出的杂质运动和几何特征,应用SVM(Support Vector Machine)准确识别杂质类型.实验结果表明,该方法检测识别直径大于等于4个像素的杂质的检测识别率平均可达到95.4%,检测识别速率平均可达到581 ms/瓶.     

面向手语识别的视频关键帧提取和优化算法

基于计算机视觉的手语识别技术可以为聋校的双语教学带来很大的便利,而手语识别技术的难点之一在于视频关键帧的提取.根据手语视频关键帧的特点和手语者的手语习惯,提出了一种面向手语识别的视频关键帧提取和优化算法.首先利用卷积自编码器提取视频帧的深度特征,对其进行K-means聚类,在每类视频帧中采用清晰度筛选取出最清晰的视频帧...     

一种基于模式噪声的视频抠像检测算法

蓝屏抠像技术是一种常用的视频篡改手段,为实现对其有效检测,本文提出一种基于模式噪声的数字视频抠像检测算法.算法基于成像传感器的像素不均匀性,采用了小波滤波器提取视频帧中相对稳定的残留噪声,并利用对多帧残留噪声取平均值的办法,获取视频的模式噪声.通过分析抠像视频与正常视频的模式噪声的频谱差异,实现对抠像视频的检测.实验结果表明,该算法的可行性和有效性.     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

WKPowerMeans多径簇识别算法

针对KPowerMeans聚类算法多径散射簇的估计过程复杂及聚类结果高度依赖随机初始簇中心的问题,提出了一种改进的多径簇识别算法——WKPowerMeans算法.首先利用小波变换的尖峰检测技术估计出多径散射簇的数目和初始簇中心的位置,然后以结合了多径功率加权的多径分量距离为准则进行多径簇聚类.仿真结果表明:与KPowerMeans算法相比,采用所提出的WKPowerMeans算法能得到更稳定、准确的聚类结果,而且具有较低的时间复杂度.     

新闻视频静态图形标识分割

提出了一种新的新闻视频静态图形标识分割算法.采用时域采样选取代表帧序列,利用静态标识的时空特性定位潜在标识区域,结合标识区域的尺寸、位置等特征滤除干扰区域,最终分割出标识区域.与已有方法相比,所提方法实现简单,可以有效分割半透明标识.     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

频率选择性时变信道下OFDM DS-CDMA系统上行链路联合检测算法

针对频率选择性时变信道下的正交频分复用直接序列码分多址(OFDM DS-CDMA)系统的上行链路,提出一种联合检测算法．它使用改进的部分并行干扰消除算法实现多用户检测,并在导频辅助下估计时变信道．在不同的车载速度下检验本文算法的性能,仿真结果表明：在车速不超过120km／h时,本文算法能有效抑制多址干扰;当车辆速度超过250km／h时,必须对多普勒效应引起的频率偏移进行估计并纠正以消除信道间干扰．     

基于无人机平台的电视信号功率检测方法

本文提出了一种电视信号功率辐射检测新方法,用于对电视信号发射系统发射端EIRP进行检测.在硬件上,根据该方法搭建了以无人机为平台的电视信号功率低空辐射检测系统,对电视信号频率和功率进行测量;在软件上设计了电视信号功率路径损耗补偿算法,对数据进行筛选、计算、存储和显示.系统在郑州和石家庄的电视信号塔上的电视信号功率对实际台站进行了测试验证,结果表明,该方法比传统地面辐射检测的测量误差减小5 dB以上,有效地解决了地面检测选址困难的问题,降低了由于复杂环境、设备缺陷带来的检测误差,提高了检测效率和准确性.      

基于深度学习的葡萄果穗检测

果穗检测是农业自动化采摘作业的热门关键技术。针对成熟期葡萄易腐烂、成熟状况不一,以及葡萄果园背景复杂、光照条件多变的问题,基于YOLO v5s算法提出一种轻量化改进的检测识别方法。首先,采用Efficientnet-v2网络作为特征提取主干并在其中融合了不降维局部跨信道交互模块,在保障精度的前提下大幅度缩减模型大小以及参数量,加快模型推理速度;其次,为了进一步弥补模型简化造成的精度损失,在模型特征融合关键位置引入坐标注意力模块,强化对目标的关注度,提升模型应对密集目标检测以及对抗复杂背景干扰的能力,保障算法的综合性能及可靠性。实验结果表明：改进后的算法平均准确率达98.7%,平均检测速度为0.028 s,模型大小仅为12.01 MB,相较于改进前的算法准确率提升了0.41%,检测速度快了22%,模型减小了13.2%。在果园场景图像检测测试中,所提出算法能够良好地检测出葡萄果穗并辨别其状况,对不同环境影响也具有较强适应能力,为自动化采摘技术的发展提供了参考。     

一种彩色汽车车牌的自动分割方法

汽车牌照的定位是一个公认的较难解决的图像分割问题,文章提出了一个综合多种特征的车牌分割算法;该算法首先利用颜色信息特征加强输入图像的车牌区域,然后基于车牌区域的灰度变化和纹理特征提出一种垂直边缘检测方法实现牌照与背景的进一步分离,使用数学形态学滤波和区域合并,最后运用投影法确定牌照区域;实验结果表明,该方法取得了良好的效果。