改进循环生成对抗网络的车牌数据集自动生成算法

针对现有车牌生成算法不能解决真实车牌数据集存在的数量少、多样性不足、字符标签不均衡、包含个人隐私等问题,提出一种改进循环生成对抗网络(CycleGAN)车牌生成算法。该算法由三部分组成:根据标准合成虚拟车牌,用仿射变换将虚拟车牌嵌入背景图像,然后由改进CycleGAN生成车牌图像样本。该算法通过引入权重解调机制解决了生成图像的白斑问题;利用重要区域损失、通道注意力与空间注意力实现了仅生成车牌部分的同时,保留了背景环境;采用最小二乘损失(LSLoss)改善了生成图像质量。已公开发布了20000多张包括大倾角、远距离、模糊、复杂光照、天气条件等场景的生成车牌图像数据集,并通过对比实验验证了所提算法的有效性。在OpenITS、CLPD、CCPD(11K)验证集上的实验结果表明:在车牌检测任务中,与真实训练集的性能相近;在车牌识别任务中,识别精度相较于真实数据集分别提高了74.0%、28.0%、48.7%,相较于Bj?rklund、Duan、Han的算法都有3.0%以上提高。所提算法可生成数量多、多样性高、字符标签均衡、无隐私问题的车牌数据,能够对车牌检测与识别算法的训练提供有效支持。

基于图像矫正与去噪的车牌识别算法RD-LPRNet

复杂场景下的车牌目标存在大倾角、远距离、光照不均等负面因素,极大地加剧了车牌识别的难度。针对上述问题,提出了一种新的车牌识别算法RD-LPRNet,该算法首先采用改进空间变换网络RNet预测仿射变换参数,对存在大倾角的车牌进行几何矫正;接着构造基于自适应注意力机制的去噪网络DNet,以真实-标准车牌对为训练数据,提高网络提取有效特征、剔除无效噪声信息的能力;最后基于LPRNet,改进其网络输入结构以丰富初始输入特征,提高训练收敛速度;添加深度分离卷积瓶颈结构,增强网络的特征提取能力;加入残差卷积替代特征拼接实现更高效的特征融合与传递。对CCPD、CLPD、PKUdata、OpenITS以及本文人工采集的车牌数据的测试结果表明,RD-LPRNet在复杂场景下表现出更高的识别性能。

基于直线检测与密度聚类的车位识别算法研究

车位识别技术是实现智能停车管理的基础。现有的车位识别算法的识别图像多为环视图像,而针对高位图像的车位识别算法则较少,而且算法的召回率和精确率低。针对该研究现状,本文提出一种基于直线检测与密度聚类的车位识别算法,该算法能够准确识别不同高位图像中的车位。算法通过对检测直线进行密度聚类,得到了准确的车位线信息。同时,算法能够自动提取图像中的感兴趣区域,并准确定位感兴趣区域内的车位顶点,根据车位顶点坐标识别车位。实验结果表明,相比传统的车位识别算法,该算法具有更高的召回率和精确率。

一种波形相似度的车辆检测融合算法

利用磁阻传感器可以实现停车位的车辆{有,无}状态检测,但是磁信号容易受到相邻车位停车干扰而导致误检,针对该问题设计了一种数据融合算法,将车辆磁信号建模为分段线性时间序列,提出了形态距离公式度量时间序列的相似度,计算相邻车位传感器磁信号的波形相似度实现车辆检测,在路面停车区域实地部署了50个磁阻传感器节点,通过长达5个多月的实验,结果表明该算法提高了车辆检测准确率。

基于形态滤波的车辆检测算法研究

近年来,越来越多的智能停车管理系统采用无线磁阻传感器网络技术实现车辆检测。但该技术面临磁干扰问题,在干扰环境下,已有的车辆检测算法精度急剧下降。提出一种基于形态滤波的车辆检测算法,采用级联形态开-闭和形态闭-开运算设计滤波器,可有效过滤噪声干扰,且不会造成车辆磁信号的偏倚现象。实验结果表明:与已有车辆检测算法相比,本文算法提高了车辆检测准确率,检测精度达到98.5%。

基于磁阻传感器的智能车位锁停车检测算法

智能车位锁通过其内置的磁阻传感器可实现车位状态的实时监控,并利用监控信息实现自动缴费、车位预约和车位共享等应用。但车位锁上锁和落锁过程会产生磁场干扰,传统的停车检测算法没有考虑这类干扰,造成误检率高。为解决这一问题,该文提出了一种抗干扰的停车检测算法,将车辆磁信号建模为方差序列,根据干扰的特征提出干扰信号滤波方法,结合状态机实现了更为稳定的停车状态检测。实地部署的50个智能车位锁实验结果表明,该算法具有更高的可靠性,并显著提高了车辆检测准确率。

基于脉冲相干雷达的车辆检测算法

车辆检测技术是路边智慧停车管理系统的基础。提出一种基于新型脉冲相干雷达的室外停车检测算法。在每个停车位中央部署传感器节点,然后对雷达采样信号进行特征提取和多次预测,综合多次预测的结果实现停车检测。每次预测时,利用雷达信号所有的特征信息,并且使用不同的参数,这些参数由粒子群优化算法根据雷达数据集计算得到。部署了实验系统,实验结果表明,在无干扰情况下,算法准确率为99.9%;在水和湿树叶等干扰情况下,算法准确率为91%。相比已有算法,该算法不仅提高了干扰场景下停车检测的精度,而且还可以检测出雷达是否受到水或湿树叶的干扰。

Co-seismic Slip Distribution of the 2001 Kokoxili Earthquake Inverted by the GPS Data

The authors analyze co_seismic displacement field derived from the Global Position System (GPS) observations collected before and after the 2001 Kokoxili earthquake, western China. Using the co_seismic displacement data, and constrained with surface rupture data, they invert co_seismic slip distribution along the seismic fault. Their result shows that the earthquake ruptured the upper crust down to a depth of 13.1～22km (at 70% certainty), with its optimal estimate at 16.5km. A 2～3m left_lateral strike slip is resolved between the Sun Lake segment and the west end of the main rupture zone, although surface rupture has not been observed there. The surface rupture of this earthquake is ended at the Sun Lake to the west, but left_lateral slip of 1.5～2.0m seems to exist beyond the east end of surface rupture observed from field geology. Seismic moment release estimated using GPS and surface rupture measurement is 6.0×10 20 N·m, which is in good agreement with the result obtained from seismic wave inversion.

NOMA下行信道总速率最大化算法研究

非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术是第五代移动通信的关键技术,通过采用叠加编码技术在很大程度上提高了信道的频谱效率。但是,在同一信道上叠加所有用户会造成较大的解码时延与错误传播。研究NOMA下行信道的用户选择问题,将基站的发射功率和单个信道叠加的用户数量作为约束条件,提出了基于贪婪策略的用户选择算法,该算法能够在多项式时间内求得问题的近似最优解。进一步提出了一种基于分支限界的用户选择算法,以贪婪解为下界,局部最优解为上界,可以达到最优系统总速率。仿真结果表明,提出的基于分支限界的用户选择算法与传统算法相比可以得到NOMA下行信道最大总速率,并且有效降低了用户选择的时间复杂度。

一种抗干扰的磁阻传感器车辆检测算法

基于磁阻传感器的物联网在城市交通检测中逐渐被大规模应用,但城市中的地下高压电缆会产生磁场辐射,形成大范围、长时间的磁场干扰,而传统的车辆检测算法大都没有考虑到这类磁干扰,导致了误检率过高。本文提出了抗干扰的车辆检测算法,基于高压电缆磁场模型分析了磁干扰信号的特征,设计了广义形态滤波器过滤干扰信号,然后利用双阈值机制实现了车辆检测算法。实验结果表明,在高压电缆磁干扰环境下,该算法的车辆检测准确度在98%以上,优于传统算法。