杂乱背景和摄像机移动下的时空兴趣点检测

提出了一种杂乱背景和摄像机移动场景下的时空兴趣点检测方法。结合空间域上的平滑和时间域上的平滑:在空间域上利用非线性各向异性扩散进行平滑,从而有效平滑掉噪声和杂乱背景中的细小结构,同时保持了人体动作的边缘信息;在时间域上利用了一个与梯度成正比的抑制函数对摄像机晃动/移动所导致的时间关系上的不确定性进行建模。本文方法有效地解决了复杂场景下时空兴趣点检测面临的杂乱背景和摄像机移动问题。

深度学习下交通拥堵路段信息自动识别仿真

由于人口密度、汽车保有量等因素的增加,导致城市道路交通拥堵,严重影响了人们的正常生活和工作。为了有效识别出交通拥堵路段,提出基于深度学习的交通拥堵路段信息自动识别方法。将交通图像输入深度学习网络中,输出增强后的交通图像;采用时空兴趣点检测算法消除图像中的冗余点,并提取兴趣点的边缘信息、纹理特征和颜色分布属性,根据提取结果获取图像中的交通拥堵区域;在二流理论的基础上建立交通拥堵路段信息识别模型,对交通拥堵路段信息自动识别。实验结果表明,所提方法的图像增强效果好、车辆检测精度高、交通拥堵路段车流量信息识别与实际流量相符。