-
公开(公告)号：CN109271904A
公开(公告)日：2019-01-25
申请号：CN201811018255.5
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明公开了一种基于像素自适应分割和贝叶斯模型的黑烟车检测方法，包括：利用PBAS模型检测运动目标，并把图像划分网格，标记前景目标所在的所有小方格；针对每个前景目标方格，提取POEM直方图特征或者LDP直方图特征，刻画空间信息；针对每个前景目标方格，提取HOOF直方图特征或者MOH直方图特征，刻画时序信息；针对每个前景目标方格，提取STH特征，刻画结构信息；将不同类型的直方图特征进行融合，利用实际场景非黑烟车远高于黑烟车的特点，加入先验知识，利用贝叶斯模型对每一帧每个前景目标小方格进行分类，综合分析多帧识别黑烟车。本发明能从车流中自动识别黑烟车，提高检出率，降低误报率，对阴影具有鲁棒性。
-
公开(公告)号：CN109241824A
公开(公告)日：2019-01-18
申请号：CN201810786681.7
申请日：2018-07-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于码本和平滑转换自回归模型的黑烟车智能监控方法，包括如下步骤：(1)利用码本模型检测视频中的运动目标，确定目标后方关键区域；(2)提取关键区域的Tamura特征，中心对称局部二值模式直方图特征和灰度直方图特征，组合形成关键区域的三类静态特征；(3)利用平滑转换自回归模型对三类静态特征的时间序列分别进行建模，并将模型的解作为最终特征向量，用于刻画关键区域的动态特征；(4)三类特征训练得到三个SVM分类器，对三个分类结果加权融合，得到当前关键区域的识别结果，并通过连续多个关键区域识别结果的分析，对当前视频段是否有黑烟车做出判断。本发明能够提高道路监控视频中黑烟车的检测效率，降低误报率。
-
公开(公告)号：CN109190455A
公开(公告)日：2019-01-11
申请号：CN201810789111.3
申请日：2018-07-18
Applicant: 东南大学
Abstract: 基于高斯混合和自回归滑动平均模型的黑烟车识别方法，包括如下步骤：（1）利用高斯混合模型从道路监控视频中检测车辆运动目标；（2）提取车辆关键区域的三种特征，包括Haar-like特征，共生矩阵梯度方向直方图特征和局部二值模式傅里叶直方图特征；（3）利用自回归滑动平均模型对每种特征的连续多帧进行建模，得到三个不同模型；（4）对于新的车辆目标，将三个模型分别用于车辆关键区域提取到的三种特征的分类，结合不同特征的分类结果和连续多帧的综合分析，对当前视频段是否有黑烟车做出判断。本发明可以大大节省传统方法消耗的人力和财力，有利于证据的获取和保存，不影响正常交通，能有效的提高执法效率。
-
公开(公告)号：CN109086682A
公开(公告)日：2018-12-25
申请号：CN201810754422.6
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征融合的智能视频黑烟车检测方法，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；(2)利用积分投影和滤波技术检测车辆尾部位置；(3)提取车尾部后方区域的统计特征、频域特征和一些手工特征，融合形成一个特征向量；(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。本发明能够提高鲁棒性，更有效的检测黑烟车。
-
公开(公告)号：CN108985165A
公开(公告)日：2018-12-11
申请号：CN201810600019.8
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积及循环神经网络的视频拷贝检测系统，该系统包括5个模块，分别为数据集建立模块、帧特征提取模块、时空特征训练模块、循环网络测试模块和拷贝视频匹配模块，其中时空特征训练模块还包括视频剪辑模块和循环网络训练模块。本发明采用残差卷积神经网络有利于提取更深层次的帧级特征表示，有效的提高检测准确率，降低检测召回率，采用孪生循环神经网络以融合多个帧级特征，利用帧间的动态信息生成时空特征表示，实现了序列间的时空融合，使得视频匹配耗费时间少、占用内存低。
-
Patent Agency Ranking
公开(公告)号：CN103761513B
公开(公告)日：2018-04-06
申请号：CN201410036228.6
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于混合向量投影的人脸识别方法，包括如下步骤：（1）初始化人脸图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）将灰度人脸图像矩阵转化为图像向量，并将图像向量转化为单位向量。（3）所述的单位向量组成单位向量训练集，计算训练集中属于每一个人的所有单位向量的均值向量，将每个类均值向量化为单位向量。（4）计算测试图像向量在训练集中每个单位向量及其类均值单位向量上的混合投影长度，通过求取最大混合投影长度对应的训练图像向量，对测试图像分类。本发明充分考虑了相同人脸图像的相似性，最大限度的提高了人脸识别系统分类的准确性。
-
公开(公告)号：CN107248140A
公开(公告)日：2017-10-13
申请号：CN201710287726.1
申请日：2017-04-27
Applicant: 东南大学
CPC classification number: G06T3/4053 , G06K9/6256 , G06K9/6268
Abstract: 本发明公开了一种基于双向对齐稀疏表示的单幅图像超分辨率重建方法，包括如下步骤：（1）读入一幅彩色低分辨率图像，将该图像由RGB彩色空间转换到YCbCr彩色空间；（2）利用双三次插值法将图像初步转化到目标大小，然后着重对转化后图像的亮度分量进行基于双向对齐稀疏表示的超分辨率重建建模操作，最后通过迭代收缩阈值算法对重建模型迭代求解，得到高分辨率图像亮度分量的最优估计值；（3）将图像从YCbCr彩色空间转换到RGB彩色空间，得到超分辨率重建的最终输出。本发明方法不仅能够有效提升重建后的图像质量，还在鲁棒性方面优于传统的方法。
-
公开(公告)号：CN106855942A
公开(公告)日：2017-06-16
申请号：CN201611145068.4
申请日：2016-12-13
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本方法公开了一种基于加权样本的视频背景提取方法，第一步，读入视频图像；第二步，对读取的图像进行背景建模，如果读取的图像为第一帧，则初始化模型，否则背景检测；第三步，如果当前像素为背景像素，则随机进行背景更新；第四步，获得背景图像，保存图像。本发明提出了一种加权样本的视频背景提取方法，利用样本的权重和“活动”样本进行样本更新，降低了有效样本的错误更新，提高了模型的表达能力。在保证背景检测准确率的前提下，降低了样本的使用量，提高了计算效率，因而可以降低视频背景提取的成本，实时性更优，适用范围广。
-
公开(公告)号：CN105740809A
公开(公告)日：2016-07-06
申请号：CN201610060174.6
申请日：2016-01-28
Applicant: 东南大学
IPC: G06K9/00
CPC classification number: G06K9/00798
Abstract: 本发明是一种基于机载摄像机的高速公路车道线检测方法。第一步逐帧读入图像，第二步截取感兴趣区域图像，第三步对感兴趣区域图像进行降采样，第四步基于彩色图像进行二值化，获取含有车道线的二值图像，第五步利用车道线宽度信息去除车辆和路边建筑物等干扰物，然后根据图像中每个连通域的面积进行滤波，去除面积较小的杂散点，得到车道线图像，第六步获取直线段参数，第七步根据车道线分布特点剔除非车道线直线，第八步更新感兴趣区域ROI宽度和左上角点坐标。本发明是一种基于机载摄像机的高速公路车道线检测方法，可以检测视频图像中的所有车道线，为进行高速公路上各车辆的违法行为分析提供了重要保障，而且该方法准确性高，鲁棒性好。
-
公开(公告)号：CN103310465B
公开(公告)日：2016-02-03
申请号：CN201310263026.0
申请日：2013-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于马尔科夫随机场的车辆遮挡处理方法，包括以下步骤：步骤10）建立背景图；步骤20）建立车辆前景轮廓图；步骤30）在车辆轮廓里填充块；步骤40）进行块的遮挡处理，包括步骤401）至步骤405）：步骤401）在车辆K包含的所有n个块中，以第t-1帧灰度图像中的第i个块为模板，利用三步搜索法确定在第t帧灰度图像中，与最为匹配的匹配块步骤402）测算的运动矢量；步骤403）对匹配块进行验证处理；步骤404）对块进行遮挡判断和遮挡处理；步骤405）返回步骤401），直至i=n，完成所有块的验证处理和遮挡处理。该车辆遮挡处理方法对车辆的跟踪精度高，处理准确，且具有良好的实时性。
-
-
-
-
-
-
-
-
-
Search Results
206
records
(took 0.046 seconds)
