选择特殊符号
选择搜索类型
请输入搜索
基于红外热成像的行人检测已成为车辆辅助驾驶领域中的热点问题,它为白天和夜晚的无差别应用提供了可能。基准数据集是目标识别与检测的重要基础。目前因有关红外行人检测基准数据集的缺失,检测算法性能的评估只能使用自行准备的专有视频数据,这些视频数据因成像设备的各项参数和数据采集方式的不同而产生差异,往往导致检测性能评估有偏。本项目提出以建立红外热成像行人检测基准数据集为目标,研究适合红外行人视频数据标注的理解和归类规则,为建立标注信息丰富、规模充分的基准数据集提供科学依据;利用辅助集的迁移和集成学习理论,研究适应不同指定场景的行人检测方法;在此基础上,将视频标注过程分解为指定场景中的行人检测和人工校正两个交错进行的环节,研究自适应的半自动视频标注方法。通过本项,为基于红外热成像的行人检测研究提供一个统一的数据平台。
红外热成像的行人检测已成为车辆辅助驾驶领域中的热点问题,它为白天和夜晚的无差别应用提供了可能。基准数据集是目标识别与检测的重要基础,尤其目前红外行人检测基准数据集稀少和不够健全,检测算法性能的评估只能使用自行准备的专有视频数据。这些视频数据因成像设备参数和数据采集方式的不同而产生差异,导致检测性能评估有偏。本项目以建立红外热成像行人检测基准数据集为目标,完成了四个方面的工作:1) 研究适合红外行人视频数据标注的理解和归类规则,为建立标注信息丰富、规模充分的基准数据集提供科学依据;2) 利用辅助集的迁移和集成学习理论,研究适应不同指定场景的行人检测方法;3) 在前述工作的基础上,将视频标注过程分解为指定场景中的行人检测和人工校正两个交错进行的环节,研究自适应的半自动视频标注方法;4) 建立实验系统,对本项目提出的半自动标注方法进行验证。通过本项,为基于红外热成像的行人检测研究提供了统一的数据平台。
当一束具有连续波长的红外光通过物质,物质分子中某个基团的振动频率或转动频率和红外光的频率一样时,分子就吸收能量由原来的基态振(转)动能级跃迁到能量较高的振(转)动能级,分子吸收红外辐射后发生振动和转动...
空调红外控制方法: 1、空调遥控器保持对着空调的室内机。 2、选择模式,不停地按“模式”按键,会循环“制冷、制热、除湿、送风”四个模式,按你的需求来选,除湿一般回南天时使用,送风则是当风扇来用。 3、...
基于快速移动的红外小目标实时检测跟踪方法
针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.
额定运动强度下体温红外检测方法的建立与应用
目的建立额定运动强度下的体温检测方法,并运用该方法对红外测温仪效果进行评估。方法根据运动训练学和负荷试验设定运动强度;收集各运动强度下红外测温仪结果与实际体温数据,进行比较分析,SPSS13.0软件分析结果。结果男女组在踏凳5min和10min达到低运动强度和中等运动强度;运动强度和测温方法间存在交互作用(P<0.05)。结论建立了针对某一人群的运动强度的设定方法;运动强度增加使体温在一定范围内升高;额温计和耳温计均能如实反映体温变化;耳温计测量结果与实际体温差值小于额温计与实际体温差值;较高的运动强度和体温更有利于红外测温仪对发热病人的筛查。
针对YOLOv3检测红外视频图像行人时存在准确率低、漏检率高的问题,提出一种改进的YOLOv3红外视频图像行人检测算法。根据行人在红外图像中呈现宽高比相对固定的特点,利用k-means聚类方法选取目标候选框个数和宽高比维度,调整网络参数并提高输入图像分辨率,最后进行多尺度训练得到最优检测模型,从而检测红外视频图像序列中的行人目标,并通过候选框标注行人位置。在CVC-09红外行人数据集上进行对比实验,结果表明,改进的YOLOv3算法在红外行人检测中的准确率高达90.63%,明显优于Faster-rcnn和YOLOv3算法,且改进后的网络能够同时检测到更多目标,降低了漏检率。
王殿伟,何衍辉,李大湘,刘颖,许志杰,王晶.改进的YOLOv3红外视频图像行人检测算法[J].西安邮电大学学报,2018,23(04):48-52 67.
随着人类社会的视频数据量爆炸性增长, 目前针对海量视频数据的人脸识别存在效率低和准确率低等问题, 并行计算是海量视频数据中高效进行人脸识别处理的可选途径之一. 本项目面向海量视频数据中人脸分析与识别全过程的并行化实现, 研究人脸目标检测和跟踪、基于稀疏表示的人脸特征提取与识别算法, 以显著提高海量视频数据中的人脸识别效率. 研究内容为面向海量视频数据的: (1)基于小容量字典学习的人脸分类算法及其并行计算; (2)基于流形的视频人脸描述模型建立; (3)人脸目标检测的并行AdaBoost算法; (4)基于MeanShift算法和Kalman滤波器的人脸目标跟踪算法; (5)基于异构体系架构下的并行分块PCA人脸特征提取算法. 本项目的研究将不仅为人脸识别算法的设计提供新的思路, 而且为人脸识别并行应用效率的提高和为大规模人群背景下的人脸分析与识别的实际应用奠定基础.