基于联合层特征的卷积神经网络在车标识别中的应用

针对现有智能交通系统仅仅通过车牌信息获取车辆信息存在不准确的情况,提出一种基于联合层特征的卷积神经网络(Multi-CNN)进行车标识别。该方法将通过卷积神经网络中不同层提取的特征联合起来,一起作为全连接层的输入,训练获得分类器。通过理论分析和实验表明,与传统的卷积神经网络训练获得的分类器相比,MultiCNN方法能够减少训练所需计算量,同时将车标识别准确率提升至98.7%。

基于梯度区域分割的拼接图像颜色校正

在室外场景拼接的颜色校正中,由于图像间的亮度差异往往较大,校正结果易出现噪点及色块。针对该问题,提出一种梯度区域分割的颜色校正方法。结合图像的梯度和颜色信息将图像分为两个区域,使得具有相似的梯度范围和颜色特性的区域相匹配;对颜色单一区域采用简单的统计特征校正方法,对颜色复杂区域采用改进的多维概率密度转换法,避免区域间相互影响。利用不同场景下的图像进行实验并与多维概率密度转化法做对比,对比校正后的拼接图像及量化指标,实验结果表明,该方法能够减少颜色失真,保持原图结构特征,有效提高颜色校正效果。

多路高清YUV视频GPU实时拼接研究

为提高高清视频拼接的实时性能,提出一种基于GPU的多路高清YUV视频实时拼接方法,推导出YUV422图像拼接中的透视模型,并结合计算统一设备架构技术,实现透视变换、无缝融合等关键拼接步骤在GPU上的并行优化。在4路1080p高清视频上的实验结果表明,相比基于RGB颜色模型的拼接方法,该方法的实时拼接性能在不同GPU架构上有20%~40%的提升,并且在GRX780上能达到33 frame/s的视频帧率。

基于CUDA的多相机实时高清视频无缝拼接方法

为解决传统CPU或GPU多相机视频拼接方法难以兼顾实时性与视觉效果,提出一种基于统一设备架构GUDA(Compute Unified Device Architecture)的实时无缝拼接方法。结合图割算法预处理的静态接缝掩模和图像空间域融合算法解决了运动物体给拼接中接缝处带来的视觉困扰,同时重点对透视变换、图像融合等拼接步骤在CUDA实现中的优化策略进行研究。实验结果表明,该方法在4路1080p高清网络相机实时拼接获得超宽视野视频的条件下,不仅相对CPU有较高的加速比,而且在不同计算性能和架构的GPU上均满足实时性要求并具备更好的视觉效果。

一种复杂条件下机场飞机的检测方法

由于背景复杂、姿态各异,停机坪的飞机检测一直是目标检测的一个难点。针对机场飞机的全天候、多姿态检测难题,提出一种基于部件模型和距离权衡的机场飞机检测方法,该方法采用梯度方向直方图特征,运用多成员模型与部件模型来解决不同角度飞机检测问题,并根据飞机外形特点利用距离权衡因子来优化检测过程。实验结果表明,该改进方法能够高效地解决在背景较复杂的情况下多姿态的飞机检测问题,并且在有遮挡和多目标的情况下依然能维持高识别率,各种情景的综合检测率均可以达到90%以上。