城市交叉路口背景提取与车道标定算法

目的 为解决车辆对车道标记的遮挡问题,提出一种新的背景提取算法,同时基于透视变换实现了城市交叉路口的多车道标定。方法 首先,通过均值与帧间差分方法的融合,进行城市交叉路口的背景稳定与更新;然后,利用Canny算子及Hough直线检测得到各类直线;其次,基于透视变换、聚类分析和先验知识建立了车道线的筛选数学模型,实现了车道线标定;最后,通过实验对算法进行了验证。结果 采用10min长度、分辨率为2592×2048像素的某城市交叉路口实际监控视频进行交叉路口背景提取。本文算法的背景提取准确率比均值法和传统高斯混合模型法分别提升20%和30%左右,车道线标定也优于其他类似方法。结论 算法具有收敛速度快、准确率较高、稳定性较好等特点,在车流量大时可快速更新并消除车辆虚影,适用于光照条件正常的城市交叉种口的车道线标定。     

融合ViBe与帧差法的交叉路口多车辆检测方法

前景检测的精确程度是交叉路口车辆检测的重要因素,传统的基于背景建模的前景检测方法存在拖影现象,并且通常难以分辨出无牌车辆,针对上述问题,提出一种融合ViBe与帧差法的前景检测算法,并在此基础上结合车牌检测算法来检测场景当中的车辆;首先,结合帧差法和ViBe算法对背景像素点的判定结果,采用不同更新因子更新背景模型,其次,使用一种多条件过滤车牌检测算法定位运动区域当中车牌,最后,以检测到的车牌中心为锚点,定位出最终车牌区域;实验结果表明,该前景检测算法可有效应对交叉路口场景下的前景检测的拖影现象,同时车辆检测算法可以准确检测出进入场景时的车辆,并分辨出无牌车辆。     

基于灰度跳变与字符间隔模式的车牌定位方法研究

车牌定位是车牌自动识别的第一步,而如何考虑光照影响是车牌定位是否成功的关键;通过深入分析不同的车牌图像,提出一种基于灰度跳变与字符间隔模式的车牌定位方法;首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位;最后,通过实验验证了该方法的有效性。     

实时三维人体卡通运动的设计与实现

为了实现虚拟角色的三维卡通运动,提出一种结合卡通滤波与骨骼模型自动绑定的实时生成算法.首先运用高斯拉普拉斯算子对捕获的运动数据进行滤波,然后用热量平衡的原理来自动绑定给定的人体模型,最后将滤波后的运动数据加载到绑定好的模型中,生成卡通化的夸张的动画序列.为了避免出现"collapse"和"candy wrapper"等走样现象,采用了SBS算法对网格进行变形.运动捕获数据滤波与蒙皮过程均使用GPU进行了加速.实验结果表明,运用该算法生成的动画效果满足动画法则,网格变形后表面光滑,用户交互简单.     

基于空间平面约束的视觉定位模型研究

针对现有视觉定位方法中存在的立体匹配效率低下等不足,为实现平面运动目标位姿的实时视觉计算,提出基于空间平面约束的视觉定位模型。首先,通过双目视觉标定得到相机内外参数;然后,使用平面标定方法计算出空间约束平面方程;其次,根据空间平面方程给出了目标平行平面上任意点的空间坐标计算方法,进而实现运动目标位姿测算;最后,以1∶49的集装箱卡车视觉引导进行了模拟实验。实验结果表明,该模型计算得到的物理位置的标准差在略优于双目模型的情况下,具有更强的实时性。     

基于草图的兼容性服装生成方法

针对现有服装图像生成方法多样性不足、兼容性欠缺的问题，提出新的基于草图的兼容性服装生成方法.允许用户输入草图和参考服装图，生成多样化的服装图像，使得内容上忠于草图的描述，风格上与参考服装兼容.设计由2个编码网络和1个解码网络构成的新颖网络框架，其中编码网络用于提取参考服装和用户绘制草图的特征，解码用于生成图像.构建真实性判别网络和兼容性判别网络，设计由对抗损失、重建损失、感知损失、风格损失和边缘损失相结合的多项联合损失函数，引导网络生成逼真的服装图像，并与参考服装图像的风格兼容.定量实验结果表明，所提方法提高了图像生成质量，整体表现优于基线方法;定性实验结果表明，所提方法生成图像更符合草图描述，可以生成多样化的结果.     

基于优先数系的产品族型谱规划模型

为利用产品型谱来表达参数可调型产品系列以符合市场覆盖的心理预期,基于优先数系提出了产品系列型谱的两种规划模型,其中交互系列规划模型适用于新产品设计,在规划时产品的型谱段范围和细分级数需要交互输入;自动系列规划模型力求找到最接近现有产品资源的系列级比和型谱,适用于适应性设计。利用浙江省某摩托车液压盘式制动器的产品族型谱规划实例,验证了所提模型的实用性与有效性。     

基于局部投影方差的快速车牌校正方法

车牌倾斜与错切校正作为车牌识别的重要环节,虽已提出不少方法,但仍存在准确度低、效率低等不足。鉴于现有方法的不足提出一种高效的车牌倾斜与错切校正方法。首先,根据车牌图像的投影方差存在着明显的局部性规律,提取车牌的局部特征图像用于角度检测。并提出一种基于坐标旋转的最大投影方差获取方法,快速得到车牌水平倾斜角度和垂直错切角度。此外,针对字符本身的结构对于垂直错切角度检测的影响,提出相应的解决策略。最终使用3000张情况各异的车牌进行实验。实验结果表明,在正确率比现有传统方法略高的情况下,算法效率也得到大幅提升。     

面向移动设备的三维人体重建方法

针对移动端的计算资源和存储空间有限等问题,本文提出了一种轻量级的三维人体重建方法.首先,采用DeepLabV3+网络对人体正面和侧面图像进行分割,获得人体净身轮廓.其次利用SMPL人体模型对三维人体进行参数化表示,并对SMPL模型的正面和侧面进行投影,获得二值轮廓作为数据集.然后,构建并训练一个教师网络以预测二值轮廓图的SMPL参数.之后,构建一个轻量级的学生网络,通过知识蒸馏的方式,利用教师网络来提高学生网络预测的人体参数精度.最后通过学生网络预测的SMPL人体参数生成三维人体模型.实验结果证明,本文的方法可以在消耗较少的计算资源和存储空间的情况下获得相对较高精度的三维人体.