基于机器视觉的交通拥堵评估系统

传统的交通灯采用固定配时模式,缺乏灵活性、智能性.针对上述问题,提出一种基于机器视觉的交通拥堵评估系统对采集到的视频进行智能分析处理.首先,利用提取的梯度直方图特征和AdaBoost级联分类器实现对车辆的检测,并辅以RFID来实现车辆计数;进而通过Spark大数据分析平台而评估出当前的交通拥堵情况.实验表明本系统能根据当前的实际交通情况智能调整交通灯的变换时间,达到动态缓解交通压力的目的.

部分级联特征的离线手写体汉字识别方法

针对汉字类别多、风格多等识别难点,提出了一种基于LS-SVM的部分级联特征分类的离线手写体识别方法.具体包括霍夫空间加权采样和局部二值分布直方图两种新的特征提取算法,其可将任意大小的图像映射到固定长度的特征向量上,克服了已有特征提取算法的需要归一化、对笔画密度分布敏感等缺点;提出了基于部分级联特征的分类方式;提出了常见多分类方式的类别与正确率的关系,并给出了相应的数学证明.

基于视频分析和多传感器融合的移动式监控系统

安防场景下,大多数传感器系统(视频、红外、烟雾传感)只能实现单一数据采集、简单处理.提出的移动式智能监控系统以小车为载体,通过对采集视频进行智能分析处理(包括基于背景差分的入侵检测算法和改进的TLD目标跟踪算法),并辅助多传感器模块进行多信息融合协同监控,可以实现入侵检测、移动跟踪监测等功能.实验表明该系统能提供多种终端形式与用户进行友好交互,实现真正的智能安防.

一种时空域结合的自适应错误隐藏算法

视频数据的损失会影响视频的主观视觉质量,因此,恢复丢失的视频数据是非常重要的.针对此问题提出了一种时空域结合的错误隐藏算法.该算法主要包含空域错误隐藏修复和时域错误隐藏修复两种.在空域修复中使用提出的基于块位置自适应空域错误隐藏策略,该策略主要分析接收块的位置以及帧内宏块划分模式来选择改进的和已有的帧内修复算法.在时域修复中需要判断周边接收宏块的帧间分割类型,根据分割类型对受损宏块进行区域划分,通过划分模式使用不同的帧间修复模型.实验结果表明,时空域结合的错误隐藏方法在视觉质量上有一定的改善,并且客观质量也有提高.

面向视频压缩的显著性协同检测JND模型

为了更好的将人眼感知特性用于视频压缩系统,提出了一种改进的基于显著性协同检测的恰可察觉失真模型(Just Noticeable Distortion,JND).该模型通过像素域和变换域下联合建模计算得到的最优JND模型,基于上下文感知的显著性算法得到相应的显著图,并将检测结果用于JND模型权值分配.提出的JND残差滤波器可以嵌入到HEVC视频编码框架中.实验结果表明:在全I帧配置下,提出的算法编码结果与HM16相比,在视觉主观感知质量一致的情况下,平均码率可节省10.7%.

基于RFID和二维码的校园物资管理信息化平台

对校园物资信息化管理提出一种新的解决方案。通过结合RFID、二维码等自动识别技术,使得校园物资可以通过手机等智能终端进行管理、维护、统计,可以自动化管理校园物资进货、流动、维修、借还,节省大量的人力资源。物资信息化管理弥补了传统物资管理需要逐样逐项登记、管理麻烦、易丢失且不能及时发现等方面的缺陷,是高校信息化建设的重点。

基于结构分析的感知视频信号压缩方法

针对视频中的视觉感知冗余,提出一种面向视频编码的基于结构分析的感知信号处理模型——结构显著性最小可觉察失真模型.先分策略获取视频帧的有序/无序结构分量和纹理分量进行最小可觉察失真(JND)建模;使用无序结构分量的结构不确定性调节视频帧的显著性区域和JND的对比度掩蔽效应;最后,基于该模型的感知滤波模块被嵌入HEVC中.实验结果表明,在主观视觉感知没有明显损失的情况下,所提出方法的平均码率比HEVC的编码软件HM16.0减少了10.3%.