一种基于上下文语义信息的图像块视觉单词生成算法

基于视觉单词的词包模型表示(Bag-of-Words)算法是目前场景分类中的主流方法.传统的视觉单词是通过无监督聚类图像块的特征向量得到的.针对传统视觉单词生成算法中没有考虑任何语义信息的缺点,本论文提出一种基于上下文语义信息的图像块视觉单词生成算法:首先,本文中使用的上下文语义信息是视觉单词之间的语义共生概率,它是由概率潜在语义分析模型(probabilistic Latent Semantic Analysis)自动分析得到,无需任何人工标注.其次,我们引入Markov随机场理论中类别标记的伪似然度近似的策略,将图像块在特征域的相似性同空间域的上下文语义共生关系有机地结合起来,从而更准确地为图像块定义视觉单词.最后统计视觉单词的出现频率作为图像的场景表示,利用支持向量机分类器完成图像的场景分类任务.实验结果表明,本算法能有效地提高视觉单词的语义准确性,并在此基础上改善场景分类的性能.

基于词包模型的人脸身份认证算法

随着火车票实名制的不断推广,人工核实身份的验票方式已不能满足实际需求,鉴于此本文提出一种基于词包模型的人脸身份认证算法,通过人脸比对自动完成身份核实.首先提取每幅图像的尺度不变特征变换(SIFT)描述子;其次利用词包模型(BOVW)构建人脸的典型特征;随后训练SVM分类器,将同一人不同年龄段的图像作为同一类,针对同一人的类内相似性和不同人的类间差异性进行建模;最后通过SVM分类器分别对旅客图像和其身份证图像进行分类,根据所属类别的一致性判断是否属于同一人.实验结果表明,本算法能有效地进行身份认证,并且针对图像质量较低、光照情况不可控的情况仍可达到比较高的准确率.

基于SOA和工作流的铁路客运站管理系统研究

针对目前现有的铁路客运站信息服务系统存在的系统整合和改造困难等问题,建立了基于SOA和工作流技术的系统架构,设计了完善的系统功能和全新的数据集成方案。研究了系统实现的关键技术,提出了一套完整的基于SOA和工作流的铁路客运站管理系统,最大限度地重用了已有的业务资源和数据资源,满足了客运业务管理和旅客服务的需求,解决了现有系统分散和功能不完善等问题,实现了业务流程创新,具有安全性高、扩展性强等特征。通过实验验证了该系统的正确性。该系统效果良好,提高了服务质量和工作效率。

基于面部不变特征的铁路实名制检票人脸身份认证算法

为了实现铁路实名制检票时旅客的人脸图像与其身份证上人脸图像的自动比对,提出1种基于面部不变特征的人脸身份认证算法。以人的面部不变特征为前提,采用改进的尺度不变特征变换算法,提取现场采集的旅客的人脸图像及其身份证上的人脸图像的关键点,将靠近关键点的区域划分为部分重叠的子区域,然后以图像的词包模型差为基元构建人脸差特征空间,对训练图像的类别信息进行建模;对支持向量机(SVM)分类器训练分类的过程进行优化,训练优化的SVM分类器;最后,使用人脸差特征空间和训练好的SVM分类器进行加权投票,确认身份证上的人脸图像与现场采集的人脸图像是否为同一个人,实现旅客身份的认证。实验结果表明,在图像采集的尺度、角度和光照等不可控的情况下,该算法能够达到较高的认证速度和准确率。

基于旅客面部特征的实名制铁路车票检票身份认证算法

为了高效地完成实名制铁路车票的验票流程,提出1种基于旅客面部Gabor特征的身份认证算法。采用二维Gabor滤波器提取人脸图像的Gabor特征,并对这些特征进行变换和重组;对重组后得到的特征矩阵进行类内差和类间差运算,获得初始样本,并运用主成分分析法进行样本降维,构造出支持向量机分类器,从而通过支持向量机分类器实现旅客身份的认证。在F-Gnet人脸图像库上的实验结果表明,该算法的正确认证率可达94.14%,且对光照与人脸表情变化具有鲁棒性。

用于动车组故障检测的图像识别算法

动车组运行故障动态图像检测系统(TEDS)通过比对现场图像与其历史图像,实现列车运行状态的实时监测和自动报警。由于不同时间采集的图像存在一定程度的差异性,使得单纯基于SIFT特征匹配的故障识别算法误报率较高。为此,本文提出一种自适应融合局部和全局匹配的图像故障识别算法:将图像以车厢为基准对齐配准;基于SIFT特征匹配,通过局部比对粗略定位故障区域;以上述区域为模板,搜寻历史图像以精准定位故障位置。实验结果表明,本算法能有效地分析和预警运行动车组的异常情况,使得系统用户可及时发现重大故障,提升动车运营质量。

机车驾驶路面状况监控系统障碍检测算法的研究

提出基于铁路智能视频监控图像序列分析的铁轨路障检测算法,即通过图像预处理突出铁轨信息,确定铁轨边缘像素;沿铁轨边缘建立检测窗,计算分析铁轨检测窗内的纹理特征;结合纹理特征及灰度特征进行铁轨障碍物的检测。在检测出路障目标的基础上对机车驾驶员提供实时的警报。实验结果表明,该算法检测速度快、可靠性高,可运用于实际路面状况检测系统。

高铁闸机智能监控系统中的行人检测算法研究

针对高铁闸机智能监控行人检测系统中较高的实时性要求,提出一种改进的基于梯度直方图(HOG)特征与AdaBoost分类的行人检测算法。首先对图像样本提取HOG特征,进行Gentle AdaBoost分类训练,得到高检测率的强分类器;然后对待测图像进行垂直边缘预处理,根据行人图像与非行人图像的边缘对称性特征,排除大量非行人窗口;最后对剩余窗口提取HOG特征,依据训练出的AdaBoost分类器检测HOG特征向量,判断窗口是否含有行人。实验结果表明:改进的行人检测算法比原算法计算量少,能够在保证原有准确率的基础上,对图像进行更快的检测,满足高铁闸机行人检测系统的实时性要求。

基于改进的颜色特征和直方图更新的Mean-Shift算法

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明:与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.

基于人脸图像的实名制火车票检票系统研究

针对当前火车票实名制检票存在人工检票效率低、易造成检票口旅客滞留等问题,提出一种基于人脸图像的实名制火车票检票系统。首先在进站安检区域提取旅客的当前人脸图像和二代身份证人脸图像;其次将上述人脸图像上传至认证服务模块,运用基于旅客面部特征的身份认证算法进行身份认证,根据认证结果生成认证列表;最后将认证列表根据检票口信息下传至自动检票机(闸机),结合AFC检票信息完成实名制检票。实验结果表明,身份认证算法在FGnet人脸库上的正确认证率达到94.14%,且对光照与表情变化具有鲁棒性,能够满足火车票实名制检票的要求;该系统具有较高的可靠性和实时性。

面向“一体化”交通枢纽的智能引导设备

“一体化”交通枢纽的出现,不仅可实现铁路和航空两种交通工具的共享双赢,更为旅客出行带来了诸多便利。然而,具有空铁联运功能的车站占地面积较大,如何在庞大、复杂的区域进行便捷换乘,成为亟待解决的问题。为此提出了一种面向“一体化”交通枢纽的智能引导设备,以“畅通融合、智能便捷”为理念,实现一张“脸”知行程,根据旅客人脸特征查询行程,显示路径引导,显著提升旅客出行体验,降低车站服务成本,使得旅客可以真正地享受“一体化”交通枢纽带来的便捷服务。

动车组运行状态智能检测装备

动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题。实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控。根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1 mm,滑板磨耗值测量精度可达0.2 mm。鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全。

基于人群运动变化规律的异常行为检测算法

实时检测公共场所的群体异常行为对维护公共安全、保障人民群众的生命和财产安全具有重要意义。研究表明,当人群的动作行为按照一定规律变化时,人群是正常行为,反之则为异常行为。为此,文章挖掘视频中的人群运动变化规律,建立异常行为检测算法,对异常行为进行识别定位。该算法在UMN数据集和自建数据集上进行了性能评测,并与其他算法进行对比分析。实验结果证明了该算法在异常行为检测中的有效性。