基于半人工标定的视频检测交通参数基准数据获取

为准确地评估车辆检测各种算法在实际环境复杂场景的运行优劣,提出一种基于半人工标定的视频检测交通参数基准数据获取算法。在充分采集各种交通应用场景不同环境的多段交通视频的基础上,该算法主要包括2个方面:1)基于半人工标定的车辆位置-时间真实数据(车辆行进轨迹数据)获取;2)基于车辆位置-时间真实数据研究计算多种交通参数准确数据的算法。该算法充分考虑现有视频检测的条件,以简易的方式获得真实的交通参数。经过与TRAFICON交通视频检测系统的比较可知,基于半人工标定方法获取的交通参数基准数据具有高准确性,这保证了该计算平台可以有效用于视频检测性能分析与评估。

间歇式沥青搅拌站自动标定系统的研究

为了弥补沥青搅拌站人工标定工作量大、内容繁琐、精度不高的缺点,完善沥青混合料的拌和系统自动化,根据动态标定过程的控制要求,通过分析其控制原理、对比不同的控制方案,基于PLC控制系统,设计了一种间歇式沥青搅拌站自动标定的动态标定控制系统,并对该系统进行测试及分析,得到了标定流量曲线,确定了电机转速与流量的匹配关系。结果表明,该控制系统能实现沥青搅拌站的自动标定。

基于DBNet-CST的文本检测模型

光学字符识别(Optical Character Recognition,OCR)能够从图像数据中自动检测和识别文本区域,将其转换成可编辑和可搜索的数字化文本,在提升工作效率、缩短人力成本中扮演重要角色。文本检测是OCR技术的前提,目前已有许多成功的研究。然而,现有方法在训练过程中未充分利用人工标注信息,导致监督信号的精度受限,进而影响文本检测模型的检测精度。针对此问题,提出了一种基于完备监督训练的可微分二值化文本检测模型(Differentiable Binarized Net based on Complete Supervised Training,DBNet-CST),它能够充分利用人工标注的文本区域信息,优化监督信号的精度,从而提高文本检测模型的性能。实验证明,该方法在自然场景文本检测任务中能够取得更为精确的结果。