基于计算机视觉的火灾识别方法研究

本文对基于计算机视觉的火灾检测识别方法进行研究。首先采用运动检测与火焰颜色模型想结合的方法对视频疑似火灾区域进行分割,然后提取出火焰矩形度、火焰面积增长特征、火焰波动频率三个特征,将此三个特征作为火灾识别的特征向量,最后训练BP神经网络分类器,对火灾进行识别。     

基于视频的交通参数检测综述

为使智能交通系统发挥作用,必须对流量、密度及速度等交通流的核心参数进行检测,目前已经有许多常见的方法,但在实际的检测中,使用一种检测方法只能检测出部分参数,未能够实现全部参数的检测,尤其是密度参数非常难以检测.现有的密度检测方法大部分集中在局部场景的交通密度检测上,对于连续场景的交通密度检测很少涉及.现主要综述了流量、密度及速度3个方面的检测方法,并重点关注仅通过视频数据能够方便地检测出多个交通参数的文献.     

基于车辆方波脉冲时序图的交通流参数实时检测算法

提出一种基于车辆方波脉冲时序图的交通流参数实时检测算法,克服了现有方法易受光线变化及天气影响、运算量大等缺陷,提高了实时交通流参数检测的准确率,为智能交通系统提供有力支撑。研究基于虚拟检测线,将交通监控视频降维处理为包含时间和空间信息的时空图,而后对时空图进行前景提取,生成二值化时空图的垂直投影,针对像素累积图设计了系统性去噪及车辆对象识别方法,进而生成车辆方波脉冲时序图,实时检测出车流量、车头时距、时间占有率、车辆速度并进行车辆分类。分析结果表明,所提出的方法能克服雨雪天气、夜晚光线等干扰,快速而准确地进行多车道交通流参数获取,计算负荷小,方法准确率高达97.32%,可满足智能交通系统对交通流参数检测实时性和精度的要求。     

浅谈基于视觉的高速公路车流检测技术

基于视频的高速公路车流检测系统是一种结合数字图像处理和计算机视觉技术的智能化交通检测系统。本文运用数字图像处理和计算机视觉技术,对基于视频的交通流检测进行了原理分析与设计,对数字图像处理和计算机视觉的相关知识作了介绍,并对摄像机标定、背景更新、目标识别和交通流参数检测进行了研究。     

基于计算机视觉的鸡蛋污斑检测

针对传统人工检测鸡蛋表面污斑方法由于效率较低,且易造成视觉疲劳等缺点,已不能满足现代化工业生产需要的问题,建立了利用计算机视觉检测鸡蛋表面污斑的装置,通过计算机视觉采集鸡蛋表面的图像,然后对图像进行处理分析,提取特征参数,建立污斑识别算法,检测鸡蛋表面的污斑．通过验证,该识别算法分级污斑鸡蛋和干净鸡蛋的准确率达到92．7％,受试鸡蛋总体分级准确率达到90％以上,实现了对鸡蛋表面污斑的无损检测．     

基于双波束雷达的车流量检测系统

针对目前智能交通系统对于高性能车流量检测器的迫切需求,本文详细说明了基于双波束雷达的车流量检测系统的组成,分析了其检测原理,推导了信号处理过程,给出了仿真结果。理论分析和仿真结果表明:该检测系统不仅能够实现车辆存在与否、车道判别、车辆密度和时空占有率等各种交通参数的获取,还能实现车辆瞬时速度的测量。     

基于RISC处理器的实时交通计测系统

目的 研究交通流的实时测量,测量车辆台数,速度等基本交通参数,以期为交通部门提供必要的效能流参数统计量。方法 用差分方式对交通流进行实时图像处理,用精简指令集计算机（ＲＩＳＣ）作为主处理器,运用其高速数据处理能力进行系统的实时化和实用化研究。结果 完成了交通流计测的实验装置,并且进行了图像处理软件算法的设计和调试。结论 实际道路的交通测量证明,测量精度在９５％以上,系统可以适应环境光的突变和渐变的     

林火监测中基于视觉的火焰检测方法

基于计算机视觉的火灾监测系统中对火焰的早期检测是防止森林火灾蔓延的关键。提出一种基于运动检测和像素颜色特征相结合的新的火焰检测方法。首先根据图像序列建立背景模型,突出显示运动部分;并采用邻域平均方法对目标和噪声进行分离。其次基于边缘特性,获取序列图像的边缘变化情况,将两者融合得到感兴趣(ROI)区域。最后,将亮度与饱和度分离,产生火焰的有效颜色空间。通过对火焰像素亮度(I)分量区域与饱和度(S)分量区域进行相关性分析来确定火焰。实验结果显示,方法具有良好的快速性,在较短的检测时间下,可以保证较高的检测率和较低的误检率,对火焰序列图像的检测率达到91.78%,对伪火焰图像的误检率达到7.11%。     

基于自适应背景模型的实时人体检测

提出了基于动态信息窗口的自适应背景模型，在此基础上建立人体检测的有效算法。通过实验表明，该方法能够适应变化的背景，具有较强的鲁棒性和较好的实时性。     

嵌入式视觉实时跟踪系统

在差分得到的二值图像基础上，采用快速搜索算法确定运动物体，并用光流场方法跟踪运动目标。作者选择TMS320作为视觉跟踪系统的硬件平台，采用摄像机获取场景图像，通过软件捕捉场景图像中的运动物体，识别物体运动的方向和距离，实现了视觉实时跟踪功能。在此基础上，完成了分立器件构成的嵌入式视觉实时跟踪系统的设计，对于视觉技术的实际应用具有一定工程意义。     

基于计算机视觉的车流量检测算法

提出了一种基于计算机视觉的车流量检测算法。通过分析CCD摄像头采集的现场交通视频数据,运有用图像处理的方法提取图像中通行车辆的车速以及通过视场内的车流量,研究了视场距离标定算法和基于灰度统计的通行车辆识别算法,仿真结果表明了该算法的正确性和有效性。     

基于RGB归一化模型与分群算法的交通灯检测

交通灯检测是智能交通系统研究的一个重要方向,采用了一种交通灯实时检测算法。首先,对图像进行RGB归一化处理,得到了几种颜色独立的图像。然后提取图像的二值化信息,并作形态学处理。接着对图像进行分群操作和标记处理,并且根据交通灯形状区域特点做出边长与面积条件判断。最后通过提取交通灯的样本空间来进行匹配,从而锁定交通灯位置。实验部分将其与传统的 Hough 算法进行比较,结果表明所提算法可以更快且准确地检测到交通灯。     

基于视觉的高速公路目标检测与跟踪系统研究

系统地介绍了智能汽车系统中的目标自动检测与识别部分的工作原理，并利用车载计算机的CCD摄像机对图像实时采集。根据图像的结构化路面信息采用数字图像处理技术对2条车道标志线进行检测与提取，并在此基础上进行目标初始定位与实时跟踪，以保证驾驶员在行驶中及时有效地做出判断，提高自主安全行驶的可靠性。     

基于视觉的高速公路目标检测与跟踪系统研究

系统地介绍了智能汽车系统中的目标自动检测与识别部分的工作原理,并利用车载计算机的CCD摄像机对图像实时采集。根据图像的结构化路面信息采用数字图像处理技术对2条车道标志线进行检测与提取,并在此基础上进行目标初始定位与实时跟踪,以保证驾驶员在行驶中及时有效地做出判断,提高自主安全行驶的可靠性。     

计算机视觉火灾探测中的特征提取

火灾视觉特征的提取是视觉火灾探测中的关键问题．我们主要研究色彩、纹理以及轮廓脉动等特征的提取，并提出一种度量轮廓脉动信息的距离模型，该模型在规格化的傅立叶描述子空间能够准确地度量这种时空闪烁特征．实验结果表明，该方法具有比较好的鲁棒性，有助于提高视觉火灾探测的准确率、降低误报漏报率．     

基于计算机视觉的柑橘自动化分级

以柑橘为对象,研究了计算机视觉分级中的柑橘图像采集和图像信息处理方法.利用单个异步复位摄像机实现双通道柑橘的定位触发采集图像.每帧图像包含6个柑橘的图像,且每个柑橘被连续采集3个不同表面的信息.研究了基于果径大小和表面颜色的柑橘图像快速处理分级技术.建立了由PC机、PLC(可编程逻辑控制器)、摄像机、图像采集卡和接近开关等组成的上下位机结构的柑橘视觉分级自动化系统,并以300个柑橘进行了分级试验.试验结果表明:系统能在分级速度为每秒14个柑橘,等级数为9的分级条件下稳定工作,按大小分级精度达±1.5 mm.     

基于视频图像处理的交通流检测方法

针对视频交通流的特点，提出了一种无需进行视场标定的交通流检测方法。该方法选用检测线上的点及其近似点作为检测区域，通过对背景模板上检测区域中的突变点的分析和统计，可以实时地检测车辆的驶入、存在和驶出，提高了检测速度。在此基础上，设计和实现了视频交通流信息采集系统，并用软件实现检测算法和图像处理算法。试验结果表明，其检测速度和检测精度都能够满足实际要求，达到了用最小的系统规模实现交通流信息采集的目的，能够为交通管理与控制提供信息数据。     

一种基于虚拟线圈运动矢量的车速检测方法

针对交通监控中的车速检测问题,提供了一种基于视频图像处理的车速检测方法,从CCD摄像机采集图像,在图像上的特定区域定义虚拟线圈,然后通过估算虚拟线圈的运动矢量,就可以检测经过虚拟线圈车辆的运动速度．实验结果表明,这是一种实用有效的车速检测方法．     

城市道路交通流的计算机模拟与智能控制

概述了城市道路交通流计算机模拟与智能控制系统的目标和功能,进行了系统结构的划分,并分析了各功能模块所包括的内容