-
公开(公告)号：CN106570906A
公开(公告)日：2017-04-19
申请号：CN201610983552.8
申请日：2016-11-09
Applicant: 东南大学
CPC classification number: G01C3/00 , G06T2207/30256
Abstract: 本发明公开了一种摄像机角度偏移条件下基于矩形图样的距离检测方法，其特征在于，包括以下步骤：1、初始化设备，从摄像机中采集标定图像；2、输入标定所需要的图像相关信息；3、建立世界坐标系O‑XYZ 4、构建图像坐标系；5、构建成像平面坐标系Q′Q′xQ′y；6、得到距离模型方程组；7、通过矩形图样边长和摄像机成像的几何关系求解未知数；8、根据距离模型方程组进行图像像素距离与实际道路距离之间的转换。本发明公开方法对任意偏移角度下拍摄的图像都可以进行标定，实现像素距离和实际距离的转换，并且具有较高的计算速度和精确度。
-
公开(公告)号：CN103927523B
公开(公告)日：2017-01-18
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：CN102799857B
公开(公告)日：2014-12-17
申请号：CN201210202508.0
申请日：2012-06-19
Applicant: 东南大学
Abstract: 一种视频多车辆轮廓检测方法，首先画虚拟围栏圈出监控区域，画虚拟检测器获取车宽、最小车长等参数；再通过背景差分、二值化、形态学开操作、轮廓提取等一系列步骤得到车身轮廓集合；通过跟踪组成车辆的像素块，实现车辆的跟踪，得到车辆的初始轮廓；以车辆的初始轮廓为基础，吞并同属本车的车身轮廓，使正在驶入监控区域的车辆的轮廓更完整；从剩余的车身轮廓中选择较大的轮廓，作为新车初始轮廓，再吞并同属本新车的车身轮廓，使得新驶入监控区域的车辆被及时地检测出来。该方法解决了摄像机抖动、道路两旁图像干扰、车辆前景不连通、邻近车辆轮廓粘连问题。
-
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。
-
Patent Agency Ranking
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。
-
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：CN119942282A
公开(公告)日：2025-05-06
申请号：CN202510010393.2
申请日：2025-01-03
Applicant: 东南大学
IPC: G06V10/80 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于多源图像特征融合的稀疏采样场景新视图合成系统及方法，通过多源特征生成模块提取高维特征信息，通过特征聚合模块得到聚合特征信息，利用特征映射模块，将观测视角的聚合特征信息投影变换到目标新视角，得到目标新视角下的聚合特征信息；再依次经过外观‑密度估计网络和占用估计网络，获取目标新视角下的颜色外观信息和密度信息，最后经合成渲染模块，获取目标新视角下重建得到的可见光图像和深度图像；本发明方法利用目标新视角下的可见光图像和深度图像作为先验信息，建立混合感知约束，对多源特征生成模块、外观‑密度估计网络和占用估计网络的参数迭代优化，最终实现场景新视图合成，并支持生成场景中任意图像。
-
-
-
-
-
-
-
-
-
Search Results
206
records
(took 0.042 seconds)
