视频技术在智能交通信息检测中的应用

论述了各种基于视频图像分析和模式识别技术的交通检测算法的实现思路和特点,及其产品化现状和发展方向.通过对各种检测算法的比较,采用了基于像素强度的图像差分法作为检测算法的基础,以本实验室的研究成果为例描述了一个基于DSP平台的嵌入式交通信息采集系统.     

基于计算机技术的智能视频监控系统探讨

智能视频监控系统依托计算机技术中的图像视觉分析技术、图像视频处理技术、模式识别技术、人工智能技术以及计算机硬件强大的数据处理等功能实现了对动态场景中的移动目标进行相关操作,具有美好的发展前景。     

视频序列客体分布阵集成检测分层技术

视频图像序列按客体分层在很多领域都具有重要的应用，通常，视频图像可分为背景客体和其它目标客体。本文根据场景视频图像序列中不同客体的特性，针对背景客体研究了分布阵集成检测分层技术，采用两级模式识别及多帧加权估计。实验表明该技术具有很好的分层效果，提高了客体分层的可靠性，极大地抑制了噪声。     

基于机器视觉的螺纹识别系统

许多传统螺纹的检测技术工序复杂、效率低、成本高,已不能满足现代工业高效发展的需求．因此要建立一套以机器视觉识别技术为核心的视觉传感和图像处理系统,利用CCD获取螺纹基本图像,并通过数字图像处理技术和模糊模式识别方法对螺纹几何参数进行自动识读并加以识别。     

大规模复杂背景图像特征识别方法研究

近年来计算机、网络及多媒体技术不断的发展更新,引发了图像识别一门模式识别技术的兴起。图像识别技术通过计算机技术和信息处理技术展现人的视觉认知和理解,主要根据图像特征的识别进行内容分类。本文提出了基于SVM的大规模复杂背景图像识别方法。并针对大规模复杂场景由文本重叠造成的较大背景干扰问题提出了图像特征的检测和识别方法,最后利用图像层关系与验证识别结果的实验证明了大规模复杂背景下该法对图像特征识别优于其它方法,为图像识别技术研究中存在的问题指出了研究方向。     

网络视频监控系统的研究

随着网络技术,视频图像处理技术的发展,视频监控系统逐渐向网络化、智能化方向发展。智能视频监控系统借助计算机强大的数据处理能力,利用图像处理、模式识别和计算机视觉等技术在无操作人员的情况下,实时检测监控场景下的运动目标,并对其分析、定位、识别、跟踪和行为理解。通过网络的传送,人们获得视频更便捷,视频监控系统的应用也更加广泛。本文采用了基于视频采集技术、图像处理技术、网络技术,面向视频监控领域开发的一套智能化、网络化的视频监控系统解决方案。     

奇异值分解算法在纤维识别中的应用

图像表示是模式识别研究中关键问题之一.奇异值分解(SVD, Singular Value Decomposition)是一种有效的图像表示方法,近年来已被广泛应用到计算机视觉、信号处理、模式识别和图像处理等领域.但是,奇异值分解在处理高维数据时的效率瓶颈以及无法同时考虑样本类别信息和固有几何结构信息的缺陷制约了奇异值分解的应用范围和应用研究的发展. 本项目针对奇异值分解存在的局限性,通过系统地研究奇异值分解在特征提取中的应用,拓展和推动奇异值分解的应用,具有重要的理论研究意义和实用价值.同时,将研究成果用于解决混纺纤维的纤维识别问题,对纺织品截面纤维进行准确的图像表示.其研究成果将为解决纺织品检验领域纤维自动识别与分析这一世界性难题带来创新性的突破.     

模式识别在图像处理中的应用研究

视频监控不再是简简单单的将城市各个角落的图像的摄入,而是向着更加智能,更加先进的方向发展.模式识别是基于拓扑论的聚类法,因为拓扑论属于几何学范畴,而聚类法属于代数学范畴,所以,单纯的使用刚性数学方法难以在计算机中建立模型.所以,如果将几何学范畴的拓扑论转化为代数元素,是模式识别实现计算机辅助处理的关键.图像模式识别技术,是几何科学与代数科学的完美结合.因为聚类分析属于代数科学,而拓扑论属于几何科学.本文采用的方法,成功利用图像的数字化预处理,绕过了拓扑论的必要处理环节,让拓扑识别工作交给BP神经网络实现.     

基于机器视觉的天基动目标自主监视技术

未来遥感卫星的分辨率将越来越高,覆盖范围越来越广,观测数据越来越多,现有的人工监视已经远远不能满足需求,因此监控的“智能化”变得越来越迫切。天基动目标自主视频监视技术是计算机视觉领域的研究热点,涉及到图像处理、模式识别以及人工智能领域,研究内容丰富,应用领域广泛。从三个模块对动目标自主识别关键技术进行了归纳总结,介绍了关键技术算法,并对典型的算法进行了优缺点分析,给出了相对鲁棒性强、实时性高、检测效果好的技术路线。     

动作识别技术及其发展

首先简要介绍了目前主流的两个动作识别技术及其主要原理,主要包括基于图像和视频识别技术进行识别和基于运动传感器参数进行识别;然后根据这些动作识别技术重点介绍了其发展和应用状况,以及相关专利的申请状况;最后,对动作识别技术的发展前景进行展望.