-
公开(公告)号:CN109785291B
公开(公告)日:2020-10-09
申请号:CN201811563209.3
申请日:2018-12-20
申请人: 南京莱斯电子设备有限公司
摘要: 本发明公开了一种自适应的车道线检测算法,首先针对摄像机采集图像进行预处理;其次对图像进行分割,判断环境状况,由判断结果自适应地采用不同阈值,利用soble边沿检测、HLS色彩空间对道路部分图像进行处理,获取道路部分的二值图像;提取车道线感兴区域,利用透视变换算法对感兴区域进行透视变换,得到车道线鸟瞰图;再利用二次函数拟合鸟瞰图中的车道线信息,得到车道线方程,进行车道线绘制,同时根据车道线方程对车辆偏离道路情况进行判断;最后将鸟瞰图中所绘车道线透视变换到原图像,即得到最终检测结果。本发明解决了传统车道线检测算法自适应能力较差、无法有效处理弯道信息等问题。
-
公开(公告)号:CN109614864A
公开(公告)日:2019-04-12
申请号:CN201811313628.1
申请日:2018-11-06
申请人: 南京莱斯电子设备有限公司
摘要: 本发明公开了一种地基视角多机型飞机起落架收放状态检测方法,本发明利用地基长焦复合光电探测器(红外、可见光)获取飞机下滑降落正视画面;基于飞机着陆正视画面自动提取飞机机型结构特征,并利用匹配的机型图片库中提取出的机型结构特征参数,定位当前降落飞机起落架区域位置;最后通过特征分析与多帧综合决策处理自动确定飞机起落架收放状态。本发明基于地基长焦复合光电探测器,设备布设简单,主要算法流程均由软件完成,一套设备即可完成一个机场所有不同类机型飞机降落过程中飞机起落架收放状态监视。
-
公开(公告)号:CN109308445A
公开(公告)日:2019-02-05
申请号:CN201810823443.9
申请日:2018-07-25
申请人: 南京莱斯电子设备有限公司
CPC分类号: G06K9/00288 , G06K9/00248 , G06K9/00281 , G06K9/00744 , G06K9/6268 , G06K9/6288
摘要: 本发明公开了一种基于信息融合的固定岗位人员疲劳检测方法,解决了单路视频下疲劳特征检测及决策级信息融合问题。首先采用回归树方法对输入图像进行人脸标定,实现高精度的人脸检测;然后,对检测到的人脸采用基于级联卷积神经网络人眼特征点定位技术,实现眼部和嘴部特征点的精确检测,通过对视频的多帧图像特征点进行分析,分别计算PERCLOS参数,眨眼频率以及哈欠频率。接着,采用基于ASM局部定位和人脸特征三角形的方法实现头部姿态估计,从而计算点头频率。最后,采用基于粗糙集理论的信息融合算法实现固定岗位人员的疲劳检测。
-
公开(公告)号:CN109614864B
公开(公告)日:2021-08-27
申请号:CN201811313628.1
申请日:2018-11-06
申请人: 南京莱斯电子设备有限公司
摘要: 本发明公开了一种地基视角多机型飞机起落架收放状态检测方法,本发明利用地基长焦复合光电探测器(红外、可见光)获取飞机下滑降落正视画面;基于飞机着陆正视画面自动提取飞机机型结构特征,并利用匹配的机型图片库中提取出的机型结构特征参数,定位当前降落飞机起落架区域位置;最后通过特征分析与多帧综合决策处理自动确定飞机起落架收放状态。本发明基于地基长焦复合光电探测器,设备布设简单,主要算法流程均由软件完成,一套设备即可完成一个机场所有不同类机型飞机降落过程中飞机起落架收放状态监视。
-
公开(公告)号:CN109785291A
公开(公告)日:2019-05-21
申请号:CN201811563209.3
申请日:2018-12-20
申请人: 南京莱斯电子设备有限公司
摘要: 本发明公开了一种自适应的车道线检测算法,首先针对摄像机采集图像进行预处理;其次对图像进行分割,判断环境状况,由判断结果自适应地采用不同阈值,利用soble边沿检测、HLS色彩空间对道路部分图像进行处理,获取道路部分的二值图像;提取车道线感兴区域,利用透视变换算法对感兴区域进行透视变换,得到车道线鸟瞰图;再利用二次函数拟合鸟瞰图中的车道线信息,得到车道线方程,进行车道线绘制,同时根据车道线方程对车辆偏离道路情况进行判断;最后将鸟瞰图中所绘车道线透视变换到原图像,即得到最终检测结果。本发明解决了传统车道线检测算法自适应能力较差、无法有效处理弯道信息等问题。
-
-
公开(公告)号:CN109308445B
公开(公告)日:2019-06-25
申请号:CN201810823443.9
申请日:2018-07-25
申请人: 南京莱斯电子设备有限公司
摘要: 本发明公开了一种基于信息融合的固定岗位人员疲劳检测方法,解决了单路视频下疲劳特征检测及决策级信息融合问题。首先采用回归树方法对输入图像进行人脸标定,实现高精度的人脸检测;然后,对检测到的人脸采用基于级联卷积神经网络人眼特征点定位技术,实现眼部和嘴部特征点的精确检测,通过对视频的多帧图像特征点进行分析,分别计算PERCLOS参数,眨眼频率以及哈欠频率。接着,采用基于ASM局部定位和人脸特征三角形的方法实现头部姿态估计,从而计算点头频率。最后,采用基于粗糙集理论的信息融合算法实现固定岗位人员的疲劳检测。
-
-
-
-
-
-
-