车辆检测中可变形部件模型的改进与应用

针对可变形部件模型的复杂性使其在检测车辆时速度慢的问题,对可变形部件模型进行了改进。一方面使用加权PCA对可变形部件模型的基础HOG特征进行降维来减少模型参数;另一方面将HOG特征层组合后,使用快速傅里叶变换（FFT）把滤波器与HOG特征层的卷积转换为频域乘积,来降低计算复杂度。仿真实验结果表明,改进的可变形部件模型在进行车辆检测时检测精度和召回率都与原始模型相当,但检测速度大幅提升,在UIUC和BIT两个数据集上的平均耗时分别仅占原始模型平均耗时的29.6%和26.3%。     

基于多因素贝叶斯的遮挡目标检测

复杂场景中的遮挡现象会造成目标外观信息损失,致使检测过程中容易出现目标遗漏。通过分析目标表示对特定布局的依赖性,提出一种基于多因素贝叶斯的遮挡目标检测方法。首先,使用部件模型提供目标局部区域的候选提议,然后,根据空间布局关系估计部件的可见性概率,并同时考虑目标部件的外观特征和形变位置,最后,构建基于外观、形变、可见性因素的贝叶斯模型,并采用最大化曲线下方面积设计目标检测评价函数,完成多因素权重学习。实验结果证明在PASCAL数据集中的有效性,优于目标检测的现有方法。     

对于场景中的遮挡车辆检测研究

交通场景中对遮挡车辆的检测是车辆检测中的一个难点,基于此提出了一种不同于传统滑动窗口方法的新的车辆检测方法。该方法通过学习一个高斯混合模型联合基于多标记学习的局部遮挡模式捕获方法,通过从少量帧中提取检测信息,进行无监督学习,混合图像的每个部分都代表了在图像区域内找到的目标期望。运行时,最有可能包含车辆的窗口将从部件中取样,并由分类器进行评估。在分析局部遮挡时,用部件检测器共享一组决策树,通过学习和组合利用区域相关性,减少计算时间。实验结果表明,采用联合高斯混合模型与局部遮挡捕获方法,可大大降低计算复杂度,同时在遮挡方面提供更好的识别性能。     

基于轮廓特征的车辆遮挡检测和分离算法

在交通场景下进行多目标跟踪时,如何正确检测出车辆间的相互遮挡是影响车辆跟踪结果的影理论分析交通场景的三维几何投影特征.用长方体投影轮廓模型对车辆进行建模,重构其三维投影轮廓,以进行遮挡的检测和分离.与以往的方法相比,它在估计出的车辆外形轮廓基础上进行遮挡检测,不需要匹配操作,计算量较小,并能解决基于匹配的方法无法对付的初始遮挡问题.用实验验证了该算法的有效性.     

基于卡尔曼滤波器的抗遮挡车辆跟踪算法

针对由于车辆相互遮挡而不能准确跟踪车辆的问题,提出一种基于卡尔曼滤波器的跟踪算法。算法利用基于图像内容敏感度的背景提取算法,获取目标车辆的二值化图像,然后采用卡尔曼滤波器预测目标车辆在下一帧中的状态,在预测区域中进行搜索匹配,建立相邻帧中目标车辆的对应关系,有效推理目标车辆的驶入、驶出以及遮挡和分离,并根据预测信息对发生遮挡的目标进行跟踪。实验结果表明,该算法能够获得良好的跟踪效果。     

适用于遮挡车辆检测的子块带权模板匹配方法

针对多车辆跟踪过程中的遮挡问题,提出一种基于梯度方向直方图的子块带权模板匹配方法。该方法先对目标分块,并提取每块的梯度方向直方图,然后利用核函数为各块赋予不同权值,并采用子块带权特征匹配度度量方法计算目标模型与搜索窗的匹配度,进而获取最佳匹配。最后将该方法应用于多车辆跟踪过程中的遮挡车辆跟踪与检测。实验表明,该方法具有良好的精确度和鲁棒性。     

基于转折角点的车辆遮挡分离算法

本文提出了一种基于转折角点的车辆遮挡分离算法,该算法分为目标区域块的空洞填充、转折角点的提取和分类、基于转折角点的模板匹配三个步骤.在目标区域块的空洞填充步骤中,本文使用基于轮廓的空洞填充方法;在转折角点的提取和分类步骤中,本文通过圆盘移动方法提取目标区域块的转折角点并通过转折角点的倾斜角归一化直方图对转折角点进行分类;在基于转折角点的模板匹配步骤中,本文利用目标区域块和模板两者对应的循环链表进行比对,找出与目标区域块匹配的模板,根据模板提供的分离策略,实现遮挡分离.本文提出的算法适用于各类常见的遮挡情况,具有广泛的适用性.     

基于概率计算模型改进的相关性层次遮挡裁剪算法

对复杂动态场景进行高效的可见性裁剪是实时绘制领域研究中的一个重要问题.围绕该问题开展工作,并针对相关性遮挡裁剪算法中的问题进行了改进.针对相关性层次遮挡裁剪算法存在冗余和不必要遮挡查询的问题,给出了一种概率计算模型.通过比较遮挡查询时间开销与绘制时间开销的数学期望,改进了相关性遮挡裁剪算法中遮挡查询的查询策略,从而进一步缩小了查询集合,使遮挡查询更加合理.实验结果表明,该算法对深度复杂度高、面片数量大的复杂动态场景有较好的裁剪效率,能够很好地满足实时绘制的要求.     

基于仿射特征描述的鲁棒车辆遮挡检测方法

在交通场景下进行多目标跟踪时,往往会存在车辆之间的相互遮挡,使得基于视觉的车流量计算准确度受到严重影响。针对这一问题,提出一种基于仿射特征描述的鲁棒车辆遮挡检测方法,该方法利用车辆的角点特征,建立基于仿射变换的车辆特征描述模型,判断车辆之间是否存在遮挡现象,再对遮挡车辆进行特殊分割,保证了车辆跟踪以及车流量统计的准确性。通过50段5分钟连续视频,每个视频中出现车辆遮挡时段大于1分钟,遮挡频率25%,遮挡帧数大于500幅进行试验,算法的车流量统计的正确性达到95%,正确跟踪率达到98%,验证了该算法的有效性。     

Parts-probability-based vehicle detection

Detecting vehicles is important in aerial surveillance. Traditional methods used classifiers to detect vehicles, but a single classifier was limited to detecting vehicles of only one intensity and orientation. Therefore, the task required the use of multiple classifiers of different intensities and orientations. To solve this problem, we first used a latent Dirichlet allocation （LDA） model that improved the previous approaches to vehicle detection. Previous text modeling approaches have been generative. They could be used to build probability models of vehicles in different intensities and from various orientations simultaneously using unlabeled data. Using a probability model, we can detect vehicles in a region with high probability. Next, we used a parts-probability model that improves the LDA model. The model effectively encodes spatial structure among visual words by adding spatial relationships among vehicle parts as priors of words. A parts probability model represents a vehicle hierarchically according to parts appearances and a vehicle＇s features within the parts to enforce spatial coherency. Then, we used our model to detect vehicles from a collection of images and demonstrate its performs more effectively.     

基于随机遮挡辅助深度表征学习的车辆再辨识

在车辆再辨识中,如何通过车辆外观学习到具有强区分度和鲁棒性的表示特征是至关重要的.为此,本文提出一种基于随机遮挡辅助深度表征学习的车辆再辨识算法以提高车辆再辨识的准确率.首先,本文所提算法通过引进随机遮挡对原始训练图片在局部区域进行随机遮挡,一定程度上模拟了现实中的一些遮挡情况,不仅增加了训练样本的数量,而且新增遮挡样本对于网络模型来说属于困难样本,能够防止网络模型过拟合,使得网络模型具有更强的鲁棒性;其次,本文所提算法通过构建孪生网络对原始图片和随机遮挡图片进行分类和验证联合优化学习.实验结果表明,在VeRi和VehicleID这两个数据库上,所提算法优于现有多种车辆再辨识方法.     

针对机动车驾驶员的人脸检测方法

为了正确检测人脸区域、提高驾驶室内光照不足情况下人脸检测与定位方法的准确性和实时性,采用了肤色聚类的人脸检测方法,利用肤色聚类性将彩色图像分割成皮肤区和非皮肤区。同时,提出一种基于多尺度Retinex算法的改进算法,其能够在人脸检测之前对图像进行光照补偿处理。将改进后的算法应用到新建立的人脸图像库中进行仿真实验,并与传统的肤色聚类人脸检测方法进行对比,其正确率提高了4.7%。实验结果表明:改进后的肤色聚类人脸检测算法可实现对不同光照变化和旋转角度的人脸进行检测,且具有很强的实用价值。     

视频监控场景下的面部遮挡检测

提出了一种监控场景下的面部遮挡检测方法。基于AdaBoost算法进行人脸验证,通过面部划分,分块分析是否存在遮挡情况。首先判断是否有人进入,在有人进入的情况下进行面部遮挡检测,对眼部区域采用AdaBoost方法及墨镜特征提取方法判断是否遮挡,而对嘴部区域采用高斯肤色模型进行判断。实验结果表明,该方法能实时检测面部遮挡的情况,并达到了较好的效果,适用于银行ATM等监控场景,具有较高的应用价值。     

复杂环境下的夜间视频车辆检测*

分析了夜间复杂交通场景的特点,提出了应用于夜间交通信息采集的HLEPT（headlight extraction,pai-ring and tracking）算法。该算法包含车灯提取算法和配对跟踪规则,并结合先配对车灯后跟踪其轨迹和先跟踪车灯后配对其轨迹两种方法,对车流量、车速等交通信息进行统计。实验表明,HLEPT算法复杂度低,具有良好的实时性、鲁棒性,良好环境下其检测率达到96%以上;即使在雨夜路面有车灯倒影的交通拥挤路段,也能达到88%的检测率。     

Coupling-and-decoupling: A hierarchical model for occlusion-free object detection

Handling occlusion is a very challenging problem in object detection. This paper presents a method of learning a hierarchical model for X-to-X occlusion-free object detection (e.g., car-to-car and person-to-person occlusions in our experiments). The proposed method is motivated by an intuitive coupling-and-decoupling strategy. In the learning stage, the pair of occluding X?s (e.g., car pairs or person pairs) is represented directly and jointly by a hierarchical And–Or directed acyclic graph (AOG) which accounts for the statistically significant co-occurrence (i.e., coupling). The structure and the parameters of the AOG are learned using the latent structural SVM (LSSVM) framework. In detection, a dynamic programming (DP) algorithm is utilized to find the best parse trees for all sliding windows with detection scores being greater than the learned threshold. Then, the two single X?s are decoupled from the declared detections of X-to-X occluding pairs together with some non-maximum suppression (NMS) post-processing. In experiments, our method is tested on both a roadside-car dataset collected by ourselves (which will be released with this paper) and two public person datasets, the MPII-2Person dataset and the TUD-Crossing dataset. Our method is compared with state-of-the-art deformable part-based methods, and obtains comparable or better detection performance.     

基于视觉传感器的道路前方车辆模型研究

车辆几何模型是基于视觉传感器的车辆检测系统的重要部分。为了提高前方车辆检测的鲁棒性,利用车尾轮廓的几何特征构建了世界坐标系的车尾模型,通过坐标系变换给出了视觉传感器坐标系的车尾模型,进而导出图像车尾模型,并给出了车尾模型参数的表达式及其与现实世界中车尾几何参数的对应关系,明确建立了图像中车辆位置和大小的关系。实验表明:将该模型应用于车辆检测可以抑制图像中不符合车辆透视关系的错误识别,能有效提高车辆检测的鲁棒性。     

嵌入遮挡关系模块的SSD模型的输电线路图像金具检测

为了提升深度学习目标检测模型在输电线路金具自动化检测任务中的准确率,针对金具检测数据集中金具目标标注框之间不可避免地广泛存在相交而导致金具目标检测定位不准确的问题,本文利用相交区域的相似性作为金具目标的上下文信息,提出目标间遮挡关系的描述方法,用于规则性描述图像中金具目标间的相互遮挡,设计遮挡关系模块,并将其嵌入到单次多框检测器(single shot multibox detector, SSD)模型中。为了验证嵌入遮挡关系模块的SSD模型的有效性,选择了8类目标标注框普遍存在相交的小目标金具进行实验,实验使用的金具检测数据集的训练集和测试集中金具目标数分别为6 271和1 713。实验证明,原始SSD模型的平均精度均值(mean average precision, mAP)为72.10%,嵌入遮挡关系模块的SSD模型的mAP为76.56%,性能提升了4.46%。