-
公开(公告)号：CN103927523A
公开(公告)日：2014-07-16
申请号：CN201410169673.X
申请日：2014-04-24
Applicant: 东南大学
Abstract: 本发明是一种基于纵向灰度特征的雾天等级检测方法，包括如下步骤：第一步，读入连续交通视频帧；第二步，对连续图像序列在感兴趣区域内进行背景提取，获取逐行灰度信息：首先对背景图片每行的灰度均值进行标准化处理，求出灰度均值随图像纵坐标值变化的曲线，然后求出逐行的灰度斜率特征；第三步，根据判定条件将图像包含天气信息划分为非雾天、小雾天气和大雾天气：首先若满足连续10行或以上的灰度斜率特征大于25，则为晴天，否则继续判定，其次若满足连续10行或以上的灰度斜率特征大于15，则为小雾天气，否则继续判定，则为大雾天气。本发明适用于对高速公路进行雾天监测，能有效的判断出雾天等级，从而保证交通道路的行驶安全。
-
公开(公告)号：CN103778416A
公开(公告)日：2014-05-07
申请号：CN201410036022.3
申请日：2014-01-24
Applicant: 东南大学
Abstract: 本发明公开了一种自适应逼近人脸图像产生方法，包括如下步骤：（1）初始化单样本图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）对灰度人脸图像进行三角分解，获得灰度人脸图像的向量表示形式。（3）通过选择一定数量的基图像，产生灰度人脸图像的逼近图像。（4）由所有的灰度人脸图像及其逼近图像组成新的训练集。本发明充分考虑了灰度人脸图像的个体信息，通过灰度人脸图像的三角分解，产生灰度人脸图像的逼近图像，最大限度的提高了可用于训练的灰度人脸图像的数量，从而更加有效地提高单样本人脸识别系统的性能。
-
公开(公告)号：CN102243705B
公开(公告)日：2013-04-24
申请号：CN201110120366.9
申请日：2011-05-09
Applicant: 东南大学
Abstract: 本发明提供一种利用交通图像的边缘信息来定位车牌的方法，该方法为：利用Sobel算子对交通图像进行边缘检测，对得到的灰度边缘图像进行二值化获得二值边缘图像；然后在垂直方向对该二值边缘图像进行水平投影获得垂直向量，对该垂直向量进行二值化并从上到下进行扫描，得到车牌区域的起始行坐标和终点行坐标，实现车牌的垂直定位；之后利用起始行坐标和终点行坐标得到垂直定位后的二值边缘图像，在水平方向对该二值边缘图像进行垂直投影获得水平向量，对该水平向量进行二值化并从左向右进行扫描，得到车牌区域的起始列坐标和终点列坐标，实现车牌的水平定位；最后利用起始行、列坐标和终点行、列坐标定位出车牌。本发明具有较高的车牌定位精度，且在低对比度情况(比如夜间光线不足)下仍然能够较准确地对车牌进行定位。
-
公开(公告)号：CN101739560B
公开(公告)日：2012-02-01
申请号：CN200910263082.8
申请日：2009-12-16
Applicant: 东南大学
IPC: G06K9/40
Abstract: 本发明公布了一种基于边缘和骨架信息的车辆阴影消除方法，本发明方法对当前图像进行背景差计算并二值化得到前景二值图，通过对前景二值图进行边缘检测和膨胀得到车辆及阴影区域的边缘图像，通过对背景差图像进行边缘检测和膨胀得到车辆的骨架图像，然后，以车辆区域和阴影区域相对于背景区域的灰度比为判别特征，初步检测阴影区域，并用前景二值图减去初步阴影区域，最后利用骨架图像对车辆区域内的孔洞进行补充并减去边缘图像，得到最终消除阴影区域之后的图像。本发明综合利用了用以区分车辆区域和阴影区域的灰度特征、车辆与阴影区域的边缘信息及车辆骨架的信息，能够准确地检测和消除阴影区域。
-
公开(公告)号：CN102208019A
公开(公告)日：2011-10-05
申请号：CN201110148361.7
申请日：2011-06-03
Applicant: 东南大学
Abstract: 一种基于车载摄像机的当前车辆变道检测方法，第一步，初始化读入图像，将输入的图像转换到灰度空间；第二步，对图像天空区域和地面区域进行分割，获取地面区域图像；第三步，利用索贝尔算子进行边缘检测；第四步，利用大津法进行二值化；第五步，限定拟合范围，有最低拟合点数限制的霍夫变换，提取车道线方程；第六步，判断车道线类型；第七步，车道线处理结果归类；第八步，判断当前车辆变道情况，本发明采用图像的方式检测当前车辆变换车道情况，利用驾校已有的车载摄像机，成本低廉，实时性高，检测数据多样化，评价学员变道水平准确客观，设备安装简单，适用面广。
-
Patent Agency Ranking
公开(公告)号：CN100595792C
公开(公告)日：2010-03-24
申请号：CN200810024699.X
申请日：2008-04-01
Applicant: 东南大学
Abstract: 本发明提供一种通过对交通场景的视频图像进行处理来进行车辆检测与跟踪的方法，该方法为：采集交通场景的图像，将交通图像按8×8像素进行分块，初始化背景图像并不断进行背景图像更新，在车道入口处设置与车道方向垂直的宽度为8像素的虚拟检测线，通过计算虚拟检测线上的块相对于背景图像的灰度变化来检测车辆，利用车辆到达检测线的次序对属于车辆区域的块进行标号，得到车辆标号的初始位置，之后结合三步法及全搜索法计算车辆的运动矢量并利用运动矢量对车辆标号的位置不断进行更新，实现了车辆的跟踪。本发明还针对复杂交通场景内可能出现的车辆间遮挡现象进行了检测和分割，因此具有检测和跟踪精度高、实时性好的优点。
-
公开(公告)号：CN114140364B
公开(公告)日：2025-05-02
申请号：CN202111462840.6
申请日：2021-12-02
Applicant: 东南大学
IPC: G06T5/30 , G06T5/50 , G06T5/70 , G06T5/77 , G06V10/764 , G06V10/774
Abstract: 本发明公开了轨道扣件图像生成方法及模型训练方法，方法包括：获取包含至少一个目标对象的原始图像；计算目标对象的第一弹条图像和第一背景图像；基于第一弹条图像生成第二弹条图像；基于第一背景图像得到第二背景图像；基于第二弹条图像和第二背景图像生成第二扣件图像；基于第二扣件图像对图像分类模型进行训练，获得针对所述目标对象的扣件图像分类模型。本发明基于真实的无病害扣件图像生成有病害和无病害的扣件图像。生成的图像具备丰富的多样性和较高的真实性，解决了无病害扣件图像和有病害扣件图像的样本不平衡问题，极大提高了病害扣件图像检测的准确率。
-
公开(公告)号：CN112085655B
公开(公告)日：2024-04-26
申请号：CN202010847791.7
申请日：2020-08-21
Applicant: 东南大学
IPC: G06T3/4046 , G06T3/4076
Abstract: 本发明公开了一种基于密集残差注意面部先验网络的人脸超分辨率方法，包括如下步骤：分别构建跳线连接的密集残差注意模块、面部结构先验预测模块和上采样模块；并联跳线连接的密集残差注意模块和面部结构先验预测模块，继而级联上采样模块和图像重建层，构建密集残差注意面部先验网络；对公布的数据集进行预处理，并将处理之后的数据分为训练集和测试集；训练密集残差注意面部先验网络；将测试集中的图像，输入到训练好的密集残差注意面部先验网络中，输出重建后的高分辨率人脸图像。本发明通过训练密集残差注意面部先验网络，继而实现对测试人脸图像的超分辨率处理，能够有效恢复具备面部高频细节，同时保留身份信息的超分辨率人脸图像。
-
公开(公告)号：CN113763427B
公开(公告)日：2024-02-23
申请号：CN202111035065.6
申请日：2021-09-05
Applicant: 东南大学
IPC: G06T7/246 , G06V10/764 , G06V10/774 , G06V20/40
Abstract: 本发明公开了一种基于从粗到精遮挡处理的多目标跟踪方法，模型构建包括以下步骤：首先在JDE模型预测头的基础上加了一个遮挡分数预测，从而完成对非遮挡目标的完全处理以及对遮挡目标的粗处理；在这个基础上，将映射剪裁后的遮挡行人区域作为第二步模型的训练集进行训练，完成对于遮挡行人的精确检测和表观特征向量提取；从而实现对遮挡目标的精处理；综合两步模型输出的结果，利用数据关联算法完成行人的跟踪。本发明解决了现有技术中不能准确地对有遮挡情况场景下的行人跟踪问题，能够很好地适应多种时段、多种行人密度的公共环境；对行人的跟踪具有较好效果。
-
公开(公告)号：CN113762144B
公开(公告)日：2024-02-23
申请号：CN202111035079.8
申请日：2021-09-05
Applicant: 东南大学
IPC: G06V20/40 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于深度学习的黑烟车检测方法，模型构建包括以下步骤：对实际道路摄像头获取的图像中的车辆目标进行标注，构建车辆目标检测数据集；采用YOLOv3模型对已标注的车辆目标数据集进行训练，实现模型对图像中的车辆目标进行检测并获得车辆目标尾部区域图像，以构建黑烟分类数据集；采用结合蒸馏和训练优化的改进的VisionTransformer模型进行黑烟分类模型训练以判断车辆是否排放黑烟；对实际道路视频传来的视频数据进行实时黑烟车检测，若发现黑烟车则警示，本发明采用计算机视觉的方式，在无人监视条件下，从视频数据中对黑烟车进行有效自动检测和警示的方法，能够有效提升黑烟车检测的精度和速度，避免受到图像中阴影等因素的干扰。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.021 seconds)
