基于虚拟线圈的内河船舶流量检测方法

实时检测内河船舶流量对水上交通管理具有重要意义。为实时检测船舶流量,研究了一种基于虚拟线圈的船舶流量检测系统。虚拟线圈即在视频图像上设置一个封闭区域,根据该区域内图像的变化检测是否有运动目标通过。利用RGB三通道背景差分法得到视频图像的二值化图像,二值化图像的三个分割阈值由大津法求出。设置2个平行的虚拟线圈,通过虚拟线圈的船舶会被检测并计数,同时检测船舶的船长与船宽,利用BP神经网络对船舶进行分类。通过在武汉长江大桥和武汉长江二桥上不同时间段采集的视频进行实验,结果表明,船舶计数正确率达到97.1%,计数漏检率2.9%,计数错检率0%,船舶分类正确率98.6%。处理一帧图片的平均时间为7ms,具有较好的实时性。

基于Kinect深度虚拟线圈的夜间车流量检测

针对夜间环境下基于摄像机的车辆检测方法存在精度低、稳定性差以及无法对车型进行有效识别等问题,提出一种基于Kinect深度虚拟线圈的夜间车辆检测与计数算法。首先对Kinect深度图像进行预处理,分别获得运动目标深度图(MDM)与空洞深度图(HDM)。然后在MDM与HDM上设置虚拟线圈,利用积分图像分别生成对应的一维运动信号,对其进行加权合成获得对车辆运动特征的表达,并在合成的运动信号范围内检测出车辆目标,并计算出车辆目标的几何特征,通过SVM对车型进行有效识别。实验结果表明,该算法对于单双车道的车辆计数正确率分别高达99.75%与99.25%,大小车型分类正确率可达99.80%,处理单张图片的平均时间仅为7ms。

基于VGG深度卷积神经网络和空间分布的道路裂纹种类识别

为了检测道路裂纹种类从而掌握路面状况信息进而为路面养护提供依据,研究了结合改进VGG卷积神经网络和空间分布的道路裂纹种类的识别方法。通过改进VGG网络的输入层和FC层神经元的个数,解决基于灰度图的裂纹子块的二分类识别问题,并对比不同结构的VGG网络框架在裂纹分割的结果,确定VGG11是解决基于灰度图的裂纹分割的最佳网络结构,利用基于子块的连通区域方法去除噪声子块,通过主成因分析方法提取裂纹子块的空间分布向量和对应分布系数,根据空间分布系数的比值识别道路裂纹类型。利用不同地点采集的180张裂纹图像对该方法进行验证。结果表明,该方法在识别横向裂纹、纵向裂纹和网状裂纹的正确率分别为97.6%,97.3%和95.4%。该方法可有效地识别道路裂纹种类,特别在油污等路面复杂状况下,该方法依然具有较好的检测结果。

以协同创新中心为核心的研究生培养方案改革初探

针对协同创新中心研究生培养方式尚不成熟的现状,为充分发挥协同创新中心的优势,以武汉理工大学长江黄金水道绿色和安全技术协同创新中心为例,进行研究生培养方案改革。从课程改革、实践基地建设、答辩环节完善以及奖励机制建立4个方面入手,以"理论指导——实践结合——奖励并举"为主脉络进行研究生培养,针对主脉络中的不同元素使用不同方式,并辅以"校内+校外、课程+科研、论文+工程"的多模态培养方式以及考核方式,切实做到提高研究生的实践能力,提高研究生的专业素养,丰富研究生的阅历,实现高校人才与企业实际需求的无缝对接。