基于视频的实时车辆识别和分类的改进方法

本文介绍了关于车辆识别、分类和跟踪的一种快速可行的方法。结合了背景差法、边缘检测、阴影校正等，在速度和识别准确率上都达到了满意的效果。     

基于多任务卷积神经网络的车辆多属性识别

细粒度车辆识别极具挑战性,尤其在两辆车的外型差异及其细微的时候。通过车辆的附加属性能够提高车辆识别效果,但一般的神经网络模型忽略了附加属性间的联系,提出一种基于改进的triplet loss作为损失函数的车辆多属性学习的卷积神经网络,用于实现细粒度车辆多属性识别。具体而言,通过对传统神经网络结构的改变,将车辆识别问题转化为多属性学习问题。对三元组损失函数进行改进用于训练网络以实现细粒度车辆识别。同时,创建了一个车辆多属性数据集并完成训练工作,结果显示了该方法的潜力。     

多示例的输电线路区域车辆识别算法

输电线路周围区域出现的挖掘机等特种车辆是引起输电线路损害的高风险因素,因此成为输电线智能视频分析系统重点监控的对象。本文提出了一种多示例学习方法,采用局部加权的Citation-kNN算法,以训练样本分布为依据,为选举集合中的元素设置局部权值。通过实验验证该方法,能够有效地区分出输电线路区域内的车辆类型。     

基于深度强化学习的监控视频车辆型号精细识别研究

为了解决传统监控视频车辆型号精细识别存在误差较大的问题,提出了一种新的基于深度强化学习的监控视频车辆型号精细识别方法。通过聚类分析方法提取监控视频关键帧图像,并对关键帧图像进行最临近插值处理,对插值后图像做一次开运算与一次闭运算,即可获得图像中车辆的大致轮廓,得到车辆识别数据集。通过深度强化学习构建一个深度可分离卷积模型,输入待识别数据集进行模型的训练学习,完成监控视频车辆型号精细识别。实验结果表明,设计方法识别不同车辆型号的准确率高达95.16%,说明该方法具备较高的识别精度,对于交通管理和城市交通发展具有积极的推动作用。     

视频检索在汉字识别中的应用研究

传统的OCR技术在汉字识别领域趋于成熟,对背景清晰的正体汉字有很高的识别正确率,然而当汉字图片在复杂背景中或经旋转、加噪处理后,OCR软件的识别正确率大大下降.当今有关视频检索的研究正在快速发展中,其中一种行之有效的方法是通过提取模板视频的关键帧及其特征向量,应用聚类算法形成关键字,并通过快速的检索算法来实现匹配.创新性地将该模型应用到汉字识别研究中,通过大量实验数据的研究发现,该模型在上述情况中相对于传统的OCR技术优势明显,在未来实际应用中具有广阔的前景.     

深度神经网络在多场景车辆属性识别中的研究

单一的车辆属性识别已无法满足现有的交通系统,为了提高在实际监控中车辆检测定位的可靠性,利用深度神经网络的思想建立了一种能够在近景监控场景和交通监控场景两种不同场景下识别车辆属性的模型,主要包括车辆类型和颜色两种属性类别.以YOLOv3神经网络为基础,对其进行改进,降低网络深度的同时保证准确率,将车辆类型和颜色属性进行分...     

视频监控系统中基于MPEG-7的视频检索的研究

视频监控系统广泛应用于生产生活中.对视频监控系统中视频录像历史记录的高效、精确的检索是该系统急需解决的问题之一.本文针对视频监控系统中视频文件的海量存储,提出基于MPEG-7标准的视频检索方案,在dotNet平台上设计了视频检索系统VideoSearch,并对VideoSearch视频检索系统各部分作了简要介绍.     

基于语义的新闻视频检索研究

通过研究基于注释的视频检索和和基于内容的视频检索的优缺点以及认知学关于人对视频相似性的理解特征,对新一代基于语义的视频检索进行了探索。以视频数据的一个大类——新闻视频为研究对象,采用层次处理思想和综合利用新闻视频各组成媒质的内容特征及其所表达的丰富语义,设计实现了一个基于语义的新闻视频检索原型系统。实验表明该系统自动化程度高、语义客观、检索灵活。     

基于Mean Shift的多视频车辆跟踪研究

为了提高多视频下目标车辆跟踪的准确率,提出了一种基于Mean Shift结合视觉词袋的车辆跟踪方法。该方法采用Mean Shift提供的轮廓和颜色信息进行初匹配,并进行跟踪;针对车辆在不同视频下车辆视角、环境不同的情况,提出了尺度不变的识别方法,即利用视觉词袋特征作为车辆特征进行再次匹配。该方法能够利用高速路网中摄像机拍摄的视频确定目标车辆的具体位置。实验表明,基于Mean Shift的多视频车辆跟踪方法能够有效提高车辆跟踪的准确率。     

基于内容的视频检索研究

基于内容的检索能使用户根据媒体特征对媒体内容进行检索和查询．由于多媒体数据中含有丰富的视频数据，并且是随时间动态变化的其特征很难用一般的静态特征来描述，为了取得视频数据的特征．对视频数据的处理非常重要，本文将介绍基于内容的视频检索中相似索引的处理技术和方法。     

基于视频序列的车型识别算法设计

针对复杂背景下的目标车型识别问题,提出一种基于视频序列的检测识别算法。运用帧差序列图像进行背景建模与更新,采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除,提出车辆形状投影量的概念,将视频车辆二维形状信息降至一维,并设计二维输入模糊分类器,根据形状投影量和车高/车长比,完成车型的多种类精细识别。实验结果验证了该算法的有效性。     

基于监控视频的车辆速度测算

在道路交通事故中,车辆超速行驶易引发交通事故。交通民警依据掌握的车辆发生事故时的速度既可以确定 交通事故的性质、分析事故原因,也是认定交通事故责任的关键因素。本文通过对视频资料中连续帧的序列图像的分析处理 来实现车辆速度的测定,在实际操作中可以很好地控制测量精度,将测量误差控制在较小的范围之内。     

一种分级检索MPEG视频的方法

视频检索是当前的一个研究热点.以前的检索方法大多在像素域中进行,需要较大的解码运算量;且不加区分地对所有视频片断采用统一的匹配算法,浪费了许多不必要的计算.提出了一种基于样本的分级检索MPEG视频的新方法:首先用I帧的dct_dc_size字段快速粗检,然后用断层摄影(tomography)法分析B帧运动矢量的时空分布特性以进一步缩小结果集,最后用DC图像的精确匹配方法验证检索结果.试验结果表明,本方法所需计算量较小,且可保证较高的检索精度.     

一种基于智能图像识别的远程视频监控系统

设计了一种以网络硬盘录像机为核心的远程视频监控系统,介绍了系统的组成、主要功能和实现方法。该系统将数字图像处理技术和智能模式识别技术与视频监控技术进行了融合,可以通过分析被监控现场的实时图像资料准确判断出被监控现场的异常状况,并根据相应模式进行有效处理,从而实现智能无人监控。     

基于VGGNet颜色识别的车辆检索系统设计

The Convolution Neural Network(CNN) in Deep Learning has a strong anti-jamming ability for image translation, rota- tion and other transformations. Compared with the traditional vehicle recognition technology, it can extract deeper and richer image information. Based on the VGGNet structure and simulating the order of human eyes' perception of vehicle characteristics, this pa- per designs a hierarchical retrieval system for vehicle image database. Firstly, a CNN which can recognize eight kinds of colors is constructed and trained to recognize the color of the target vehicle. Then, SIFT and LBP features are combined to match and retrieve the same color candidate vehicle database. The hierarchical retrieval mode of the system can effectively reduce the scope of retrieval and improve the efficiency of retrieval. The fusion of multi features can also guarantee the extraction of enough image information and ensure the accuracy of retrieval.     

基于视频指纹的视频片段检索方法

提出一种基于视频指纹的视频片段检索方法,通过视频指纹的相似性匹配对视频片段进行检索。通过改进的Harris检测计算DC图像的角点信息,去掉视频图像边缘提取视频运动特征,根据图像特征相似度和运动特征相似度的调和因子得到视频片段总的相似度。实验结果表明,与现有方法相比,该方法能准确检测视频片段,具有较强的鲁棒性,满足视频检索的实时要求。     

基于视频监控的人脸识别方法

目前人脸识别方法主要针对静态图像进行识别,而在监控视频中,不同视频帧人脸具有相关性且只有部分人脸能够有效反映人脸信息。根据监控视频中人脸图像变化特性,提出了一种基于监控视频的人脸识别方法。首先通过结合人脸检测与跟踪技术获得视频人脸序列,然后以视频人脸序列中部分人脸图像识别结果为导向选取全部人脸序列图像中的代表人脸图像进行识别,最后根据选取的全部人脸图像识别结果综合反映人脸信息。实验结果表明,该方法能够在确保识别率和误识率的前提下有效提升监控视频中人脸识别的实时性。     

基于层级注意力模型的视频序列表情识别

长短期记忆网络(LSTM)广泛应用于视频序列的人脸表情识别,针对单层LSTM表达能力有限,在解决复杂问题时其泛化能力易受制约的不足,提出一种层级注意力模型:使用堆叠LSTM学习时间序列数据的分层表示,利用自注意力机制构建差异化的层级关系,并通过构造惩罚项,进一步结合损失函数优化网络结构,提升网络性能.在CK+和MMI数据集上的实验结果表明,由于构建了良好的层次级别特征,时间序列上的每一步都从更感兴趣的特征层级上挑选信息,相较于普通的单层LSTM,层级注意力模型能够更加有效地表达视频序列的情感信息.     

基于语义概念的视频检索系统的设计与实现

设计并实现了一种基于语义概念的视频检索系统,该系统包括视频镜头分割与关键帧提取、语义概念检测和用户检索3个部分。系统采用镜头分割与关键帧提取对视频进行层次分割,并对关键帧图像提取有效的图像低层特征,再使用支持向量机(SVM)进行概念的检测,最后针对概念内容进行视频检索。在概念检测中,提出了一种基于验证平均准确率的线性加权方法对SVM的分类结果进行后融合。实验结果表明,该方法可以达到较高的检索准确率。     

一种基于区域的视频车辆跟踪系统

基于区域跟踪法提出一种视频车辆跟踪系统,改进了系统中涉及的多个方法。以车辆的提取检测结果为基础,提出基于混合差分的车辆检测方法,使检测更快速,检测结果质量更高。通过设计堆栈搜索技术和车辆识别规则,提高了基于差分法的识别准确率,改进了区域跟踪效果。实验结果证明了系统的可行性与实用性。