基于几何与颜色特征的公交车辆视频检测算

公交站场的监控管理是城市交通管理的重要组成部分.要实现公交站场自动化监控管理,首先要实现公交车辆的检测.针对公交站场中的公交车相对固定、车辆类型相对单一以及背景复杂、变化大等特点,该文提出了一种基于视频图像处理的检测方法.该算法用公交车车体宽度的几何特征和公交车车牌的颜色特征作为检测依据,通过联合检测公交车的保险杠和黄色牌照来达到检测公交车的目的.该方法在广州市中山八路公交站场智能化监控系统的车辆检测子系统中得到应用,测试结果表明,这是一种实用有效的公交车辆视频检测算法.     

基于几何与颜色特征的公交车辆视频检测算

公交站场的监控管理是城市交通管理的重要组成部分。要实现公交站场自动化监控管理，首先要实现公交车辆的检测。针对公交站场中的公交车相对固定、车辆类型相对单一以及背景复杂、变化大等特点，该文提出了一种基于视频图像处理的检测方法。该算法用公交车车体宽度的几何特征和公交车车牌的颜色特征作为检测依据，通过联合检测公交车的保险杠和黄色牌照来达到检测公交车的目的。该方法在广州市中山八路公交站场智能化监控系统的车辆检测子系统中得到应用，测试结果表明，这是一种实用有效的公交车辆视频检测算法。     

基于阴影特征和Adaboost的前向车辆检测系统

为了解决汽车安全辅助驾驶系统中的前向车辆检测问题,提出了一种基于单目视觉的在线前向车辆检测系统。通过检测车底阴影特征来生成车辆假设,分别提出了自适应路面阈值方法和阴影区域融合方法以解决路面区域灰度变化和阴影边缘变形问题;使用基于梯度特征的adaboost方法来验证车辆假设;最后使用Kalman滤波对检测到的目标进行跟踪以改善系统性能。使用道路实拍的图像序列对系统进行了测试。结果表明,该系统能够在实时条件下有效检测前方车辆。     

基于视频的车辆检测和分析算法

为了高速公路行车安全,需要及时检测公路上车辆的异常停车情况.通过对视频图像分析,首先重建背景图像,再分割出车辆目标,然后进行目标跟踪,采用基于针孔模型的摄像机定标估算车辆的速度,利用速度信息分析高速公路上的车辆停车事件.现场实验结果表明,此方法对于高速公路上异常停车的检测具有较高的准确性.     

基于HSV和MB_LBP特征的级联Adaboost车牌检测算法

车牌检测作为车牌识别系统中的重要环节,直接影响着车牌识别的准确度.为提高车牌的检测率和检测速度,提出了一种基于HSV颜色模型和多分块局部二值模式(MB_LBP)特征的级联Adaboost车牌检测方法.首先将车牌图像由RGB颜色空间转换到HSV颜色空间,统计蓝色像素占车牌总像素的比例,来构建第一层强分类器;其次对车牌字符样本提取MB_LBP特征,利用Adaboost分类器训练方法进行特征选择及分类器训练,最后利用Cascade结构检测法形成一种新的车牌检测算法.实验表明,本文算法有效的提高了车牌检测率和检测速度.     

基于视频的车辆检测算法综述

首先回顾了各种车辆检测方法,指出视频检测技术日益成为最具优势、最有发展潜力的检测方法.在此基础上,对各种基于视频的车辆检测算法分别进行了详细介绍,并给出了它们的性能比较.最后,本文提出了基于视频的车辆检测算法研究的难点及未来发展趋势.     

基于Adaboost人脸检测算法

针对因图像背景复杂、 光照变化及面部旋转等因素的影响, 使复杂背景下人脸检测难度大、 速度慢和准确率低的问题, 使用Adaboost算法进行人脸检测, 并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验, 其检测准确率分别为85%和99%, 平均检测时间分别是16.67 ms/张和76 ms/张。实验结果表明, 该算法能在复杂背景下准确、 快速地实现人脸检测, 且能满足人脸识别系统实时性的要求。     

基于HSV颜色特征的多目标视频检测与跟踪算法

针对跟踪多个运动目标交错运动时容易丢失目标的问题,提出了一种基于HSV颜色空间去识别与跟踪不同颜色目标的算法,对光照具有一定的鲁棒性。通过颜色空间转换提取目标原始二值图像,经中值和高斯滤波后,通过亮度检测判断是否对滤波后二值图像进行形态学膨胀;之后对较为精确的目标二值图像进行边缘检测,得到其最小包围矩形框,逐帧检测后绘制各颜色目标对应的运动轨迹,完成多目标的视频跟踪。对比经典Cam-Shift算法,实验表明,在多个目标具有不同颜色特征时,有效解决了视频跟踪中多目标交错运动丢失目标,且对光照敏感的问题,跟踪精度较高。     

基于HSV颜色空间的视频镜头检测算法

根据视频镜头与镜头切换时颜色特征的变化,提出了一种基于HSV（色调Hue,饱和度Saturation和亮度值Value）颜色空间的镜头检测算法。该算法充分利用视频同一镜头背景变化不大的特点,以H、S、V三个颜色分量的均值和方差作为特征参数,计算两帧之间的颜色差异度,从而克服了同一镜头内相邻帧的细微变化的影响,能有效的检测出视频中镜头切换的位置。     

基于凸包计算和颜色特征的显著性检测算法

针对传统的显著性检测算法存在区域亮度不够、显著区域不准确、有背景噪声等问题,提出一种基于凸包计算和颜色特征的显著性检测算法.考虑到图像在不同的颜色空间中颜色取值范围不同,首先,在多种颜色空间经过超像素分割得到区域对比图;然后,在CIELAB颜色空间中得到平滑的通道差值图;其次,利用颜色增强的Harris形成凸包得到中心先验图以及凸包结构图;最后,将4种显著图特征融合并优化得到最终显著图.新算法更加接近人工标注图的结果,不仅能够从背景中分离出显著物体、抑制背景干扰和凸出显著区域,而且获得全分辨率的显著图.在公开的图像数据集上将新算法与其他现有8种显著性检测算法进行对比,实验结果表明,新算法优于其他算法.     

车辆视频检测算法的研究

车辆视频检测是近年来逐步发展起来的一种新型车辆检测方法,是智能交通系统研究中的一个重要方向。本文阐述了车辆视频检测相关算法,主要包括车辆存在检测、车速测量与车型识别的算法的设计,以及各个算法的影响因素分析与对策。     

基于颜色和局部二值模式特征的车辆跟踪算法

针对目前车辆跟踪算法在应对光照变化时不稳定的特点,提出一种基于颜色特征和局部二值模式特征的车辆跟踪算法。即:提取样本的颜色特征和局部二值模式(LBP)特征,用结构化输出支持向量机(SVM)对正负样本进行分类,预测评分值最高的预测样本对应的坐标就是目标车辆所在位置。通过在有光照变化、运动模糊、快速运动等挑战的视频序列中进行仿真试验,表明在光照变化等情况下本文跟踪算法具有较强的鲁棒性。     

基于颜色分布特征的足球视频禁区检测

足球视频影响着人们的日常生活,人们对足球视频的关注更多地体现在对其中进球、射门等精彩事件上。而这些事件大都发生在左右禁区附近,显然左右禁区的准确检测在足球视频处理中起着关键的作用。本文在研究当前主流检测算法的基础上提出了一种基于颜色分布特征的足球视频禁区检测算法,该算法利用SVM对足球左右禁区颜色分布特征进行监督学习,进而检测出左右禁区。通过实验证明该方法高效并且可以达到较高精准度。     

基于颜色特征的地图水印检测算法

本文简述了地图水印的已有的检测算法,提出了基于颜色特征的地图水印检测算法。说明了算法的思想,描述了算法的过程,并通过实验证明了此算法有效地提高了地图水印的鲁棒性,尤其是抗剪切性。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.     

基于Haar-NMF特征和改进SOMPNN的车辆检测算法

为解决传统基于Haar特征和自组织映射概率神经网络(SOMPNN)的车辆检测算法中存在当Haar特征向量维数过大时决策时间缓慢和因平滑因子σ单一易导致分类错误的2个不足,提出了一种用低维的Haar-NMF特征代替Haar特征和平滑因子自适应修正的改进SOMPNN(ISOMPNN)车辆检测算法.首先用非负矩阵分解对Haar特征进行降维,生成低维Haar-NMF特征;其次,以SOM输出层神经元的原型向量数作为修正因子,构建了指数函数形式的平滑因子修正函数,并以修正后的平滑因子训练SOMPNN分类器.实验结果表明,与传统的Haar+SOM PNN算法相比,采用Haar-NM F和ISOM PNN构建的车辆检测分类器在检测率、误检率和检测时间等性能指标上都获得明显提升.     

基于Adaboost算法的正面多角度人脸检测

人脸检测不仅是全自动人脸识别系统的基本步骤,而且本身也可以独立应用于视频监控、图检索等领域、因而具有重要的研究价值。人脸检测是一个开放性的,比较活跃的课题,在人脸检测算法中,依照时间顺序的发展有：模版匹配模型、肤色模型、ANN模型、SVM模型、Ad-aboost模型等。其中Adaboost模型在速度与精度的综合性上表现最好。     

基于改进Adaboost算法的人脸检测研究

分析Adaboost弱分类器计算耗时的原因,并提出了本文的改进。根据强分类器错误率上限的计算公式,推导出弱分类器错误率的期望值,并以此作为减少计算量的依据。实验结果表明,本文的改进方法,在保持弱分类器性能不变的条件下,可以有效降低计算量。     

基于车窗特征的快速车辆检测算法

实时检测道路中的车辆并统计其数量是道路监控系统的重要任务之一,道路上车流量较大时,车辆之间相互遮挡,难以对道路监控视频中的车辆做到实时准确的检测。为此,提出以车窗代替车体作为目标物进行检测,由此提高被遮挡车辆的检出率。利用残差连接和多尺度特征提取方法,构建了只有24个卷积层的检测网络。实验结果表明,该检测算法的召回率达到了95%,正确率达到了96%,在GeForce GTX 1080Ti显卡环境下的检测速度达到了142FPS。这种方法可有效提高对相互遮挡的车辆的检出率,且可对高清监控视频中车辆进行实时检测。     

一种基于Adaboost算法的人脸检测

针对经典Adaboost算法存在训练速度缓慢、检测结果过分依赖训练样本集的现象,提出一种改进的人脸检测算法.该算法在原有Adaboost算法的基础上,利用特征约简来提高训练速度,引入样本扩张、多分辨率搜索等策略来提高检测效率.算法还在一定程度上解决了遮挡、旋转、光照对人脸检测带来的影响等问题.实验结果表明:该方法具有较快的训练速度和良好的检测性能.