基于双相机协同的管制车型抓拍系统

针对管制车型在城市交通监控难等问题,研究一种基于双相机协同的管制车型自动抓拍系统。首先依据管制车型侧面信息熵大而便于类内目标精细识别的特点,优选目标车辆的侧面图像为特征载体,采用卷积神经网络对不同管制车型侧面进行识别;其次建立相机间坐标映射模型,采用BP神经网络算法对目标车辆面部进行定位,有效简化相机协同标定工序,对目标车辆面部进行快速定位;最后基于目标车辆的面部图像对车牌进行识别。实验结果表明,该方法对管制车型的检测精度达到89.94%,定位面部区域与ground truth的纵向高度交并比达到0.912,系统整体性能达到较高精度。

多机位人脸图像采集实验设计

随着图像采集技术的迅速发展,高等学校现有的实验体系需要进行相关内容的扩充。选用数码单反相机多机位远程控制软件作为核心平台,搭建实验平台硬件体系结构,能够采集多视角、高分辨率、高复杂性的实验数据。根据场景、头部三维几何结构、已知光源信息等条件,设计基于远程控制的人脸图像采集实验。针对高校相关理论研究的基本情况设计了理论完善、操作性强的实验流程。

基于多源信息融合的交通要素识别方法研究

车型识别是智能交通系统的重要组成部分。针对特定类车辆脸部特征相近,提取车头特征易导致模型辨别力差、识别精度低等问题。提出了一种基于车辆侧面特征的车型识别方法。采用卷积神经网络实现对不同类型车辆的检测,使用统计模型计算目标车辆的横向位置。建立双相机(触发相机和抓拍相机)协同跟踪模型,利用感知哈希算法,对目标车辆实现判别式跟踪。最后抓拍相机完成车辆正面抓拍,完成目标车辆的车牌识别。最终的检测实验结果取得了81.94%的平均正确均值(Mean Average Precision,mAP)。

顾及短基线同轴约束的指向性观测相机原型

针对相机大视场感兴趣目标分辨率不足的问题,提出短基线同轴约束模型并设计主从相机原型,大视场相机用于监视整个视场,主动相机用于对目标区域进行指向性高清观测。基本过程为:(1)利用短基线同轴约束模型简化相机外参矩阵,并构建大视场相机与主动相机间的映射关系,通过三角函数计算主动相机初始控制参数;(2)在近距离场景下,对主动相机控制参数进行补偿。实验结果表明,相机只需一次离线标定即可适应各种场景。观测目标与大视场相机距离3~10 m的近距离场景下,目标在主动相机图像中的实际位置与理论位置误差在30像素以内;远距离场景的有效距离内,误差在6像素左右。计算单一目标点对应主动相机控制参数的时间不超过0.2 ms。原型对目标场景、目标深度无依赖性,且用于较远目标观测时相对于其他方法在精度与时效性方面具有较高优势。