基于DSP的银行窗口排队人员越界监测报警系统的研究

开发一种银行窗口排队人员越界监测报警系统,通过设置在上方的摄像机,监视交易窗口前界限内的交易人员是否出现违规行为,以确保交易安全。该系统解决了交易人员服装与地面色彩反差小、自然光与外加灯光、光线阴影等对目标识别的影响。该系统的特点为处理器采用了TI公司高速低成本5509系列DSP芯片实现监测目标识别功能,使整机成本低,便于推广使用。     

连续采煤机人员监测保护系统设计

针对连续采煤机后部输送机在工作过程中存在误伤行人的安全隐患,设计了一种基于红外热成像技术的连续采煤机人员监测保护系统。首先利用长波红外探头对连续采煤机后部输送机监测敏感区域进行监测,实时采集监测敏感区域内红外影像信息;然后利用微处理机对采集的红外影像信息进行实时性处理,并对行人进行检测,当检测到有行人进入到监测敏感区域时,在1s内快速判断行人信息,触发预警保护策略,当行人退出监测敏感区域后,预警保护机制自动停止,当行人越过监测敏感区域时,微处理机触发紧急停车控制策略,使连续采煤机后部输送机紧急停车,保护越界行人的安全。现场测试结果表明,该系统稳定、可靠,识别精度高,能够实现对连续采煤机后部输送机左前方1~2m范围内的行人进行有效监测,保证了连续采煤机附近人员的生命安全。     

基于激光雷达数据的行人检测

在自动驾驶领域涉及的众多任务中,行人识别是必不可少的技术之一。针对基于图像数据的行人检测算法无法获得行人深度的问题,提出了基于激光雷达数据的行人检测算法。该算法结合传统基于激光雷达数据的运动目标识别算法和基于深度学习的点云识别算法,可以在不依赖图像数据的条件下感知和检测行人,进而获取行人的准确三维位置,辅助自动驾驶控制系统作出合理决策。该算法在KITTI三维目标检测任务数据集上进行性能测试,中等难度测试达到33.37%的平均准确度,其表现领先于其他基于激光雷达的算法,充分证明了该方法的有效性。     

基于跨域特征关联与聚类的无监督行人重识别

行人重识别的目标是利用计算机视觉技术在多个摄像头采集的图像序列或视频中识别目标行人,基于监督学习的行人重识别算法虽然提高了目标的识别性能,但难以解决行人重识别中无标注目标域的域内变化问题,从而导致无标注数据检索准确度低。提出一种基于域自适应的无监督行人重识别算法,其主要由ResNet-50骨干网络、跨域特征提取器和用以存储目标域特征的特征库组成。通过跨域特征提取器融合行人样本在特征图与通道方向的特征,以挖掘不同行人重识别数据集间潜在的特征关联关系,同时为无标注目标数据集样本内的特征关联构建特征库,在无任何标注信息的情况下从一个未知数据集学习判别性特征。实验结果表明,该算法在源域DukeMTMC-reID/Market-1501和目标域Market-1501/DukeMTMC-reID的首位命中率相较于ECN算法分别提高8.9和6.8个百分点,能够提高模型在未知数据集上的泛化能力和无监督跨域行人重识别的准确度。     

高速公路隧道行人及停车智能检测联动预警系统研究

高速公路上的交通事故大部分发生在隧道内,每年都导致大量的人员伤亡与经济财产损失。高速公路隧道行人及停车智能检测联动预警系统,是针对行人进入隧道、车辆异常停车等交通事件进行实时监测并立即进行处理措施的一套系统,可以大大地减少隧道内事故或二次交通事故的发生概率。笔者研究了该系统产生的背景与意义,系统的工作原理与架构,以及未来发展的目标与方向。     

基于二维激光扫描仪的人数统计系统设计

人数统计系统在各个行业有着广泛的应用需求和安全意义,目前主流的技术手段是依靠视频识别、红外感应、RFID技术等,这些技术都存着在应用场景限制、识别效率不高等缺点。本文提出了一种利用二维激光扫描仪监测通过人数的技术,通过测量行人头顶至肩膀的高度差判断是否有行人通过并计数;通过判断行人通过两个二维激光扫描仪的顺序统计行人行走方向。     

改进的红外图像行人检测和交叠率算法

行人越界入侵报警是十分普遍的应用场景,尤其是在安保领域.本文设计了一种改进的红外图像行人检测和交叠率算法,两者结合可以实现对行人的越界报警.本方法主要由三部分组成：红外图像行人检测算法、目标分类算法、交叠率算法与报警逻辑.红外图像是为了尽量克服环境影响,并且在夜间也具有良好的显示与图像采集功能;行人检测是通过YOLOv3算法和基于方向梯度直方图（HOG）特征的多层感知器（MLP）二分类来实现;报警算法与逻辑是计算目标的候选框与报警区域的交叠率,再进行逻辑判断.实验表明,本方法准确性高,报警准确率可达91%,有良好的应用价值.     

基于树莓派的六足机器人目标跟踪系统研究

在室外环境进行机器人目标识别与跟踪是计算机视觉和机器人技术的前沿发展方向,机器人在导航、智能监控、多机协作、人机交互等领域应用广泛.设计了一种基于树莓派的六足机器人目标识别与跟踪系统.通过六足机器人搭载Kinect高清摄像头对行人和目标六足机器人进行识别与跟踪,YOLO v3进行行人和目标六足机器人的检测与识别,得到质...     

基于SoC FPGA和CNN模型的动作识别系统设计

动作识别是重要的机器视觉研究领域之一。设计实现基于So C FPGA和CNN模型的动作识别系统。设计实现流水线型LK光流计算、基于HOG与SVM的行人检测模块;设计实现动态行人检测与静态行人检测结果的融合算法,计算出目标人物所在区域;利用该区域的视频图像和光流场数据,输入CNN模型计算得到目标人物的动作识别结果;设计指令集架构的NPU单元用于实现CNN模型计算。整个系统基于DE10-Nano开发板进行软硬件协同开发,能够识别"站立"、"行走"、"挥手"和"下蹲"等动作。该系统具有较高的识别率和较强的设计灵活性,方便CNN模型的扩展与修改。     

基于情景记忆的运动小目标行人检测神经网络

从视觉场景中可靠地检测小目标行人对象是构建未来人工智能视觉系统的重要基础。由于运动小目标的视感尺寸小且纹理特征模糊,导致现有的传统行人目标检测方法难以应对。针对该问题,基于蝗虫视觉系统的神经结构特性,借助人类大脑内侧颞叶（MTL）情景记忆认知机理,提出一种适用于运动小目标行人检测的人工视觉神经网络（STPDNN）模型。所提出的神经网络包括两部分：突触前和突触后子网络。其中,突触前网络模拟蝗虫视觉系统加工处理视觉信号的神经机理,获得表征目标对象低阶特征的视觉运动线索;突触后网络从低阶视觉信号中提取出行人目标的情景记忆高阶信息,以实现对运动目标的偏好性响应。系统性的实验结果表明,提出的STPDNN可有效检测视觉场景中的运动小目标行人对象。该研究工作涉及生物视神经机理启发的行人目标动态视觉信息加工处理,可为智能视频监控中的行人检测识别与运动行为分析提供新思想、新方法。