露天场景下高速公路违章停车视频检测算法

针对现有的停车检测算法存在不能很好地适应露天场景环境变化以及误检率过高的问题,设计了一种新的违章停车视频检测算法;利用自适应混合高斯模型实现场景背景提取与更新,获得可能的运动前景目标,通过基于像素时间序列特征的稳态分析法来检测静止目标,并根据对象区域特征实现停驶车辆的辨识,从而准确的检测出违章停车;实验结果表明,提出的算法在高速公路露天场景中正检率达到90%以上,与其他停车检测算法相比较,在减少计算量、提高系统实时性的同时,具有较好的正检率。

基于子区域多标签学习的露天煤矿区场景识别

露天煤矿开采易对区域生态环境产生不利影响,对其进行高效监管有利于矿区环境保护和可持续发展。随着遥感技术和人工智能的发展,基于高分辨率遥感影像的露天煤矿区场景自动识别成为可能。本文针对单标签学习算法在场景子区域识别中识别率较低的问题,将多标签学习策略和地理学第一定律相结合,提出一种基于子区域多标签学习的露天煤矿区场景识别方法。为了区分露天煤矿区场景与其周边场景,设置了6类矿区标签和7类非矿区标签,对9768张场景子区域图像进行标注,构建多标签数据集,利用该数据集训练基于多标签学习的Inception-v3模型。场景识别时,首先将一幅覆盖研究区的遥感影像划分为相同大小的子区域并进行多标签分类;然后对含有矿区标签的子区域,利用地理学第一定律对其矿区标签的相关性和完整性进行判定,识别出属于露天煤矿区场景的子区域。胜利西露天煤矿区识别实验结果表明:该方法提取的结果最接近真值,显著高于单标签学习的识别精度;其子区域多标签分类F1分数达到0.857,与单标签学习中性能最好的ResNet50模型相比,提高了8个百分点。本文提出的方法能够自动提取子区域内多类标签的有效特征,提高露天煤矿区场景识别的精度,其识别结果可为露天矿区开采管理提供数据支撑。