国家自然科学基金(61375017)
- 作品数：9 被引量：35H指数：4
- 相关作者：陈黎田菁李涛李涛袁渊更多>>
- 相关机构：武汉科技大学武汉东智科技股份有限公司国网浙江省电力公司宁波供电公司更多>>
- 发文基金：国家自然科学基金湖北省高等学校优秀中青年科技创新团队计划项目湖北省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进线段分割检测的电线杆遮挡检测算法被引量：9
- 2017年
- 针对监控视频中的电线杆遮挡问题,提出一种改进的线段分割检测(LSD)算法。将RGB图像进行双边滤波,并将滤波后的图像转换到HSV空间,在HSV彩色空间内利用矢量求导方法计算彩色图像的梯度和方向,利用LSD算法实现图像直线的提取。对直线进行合并得到矩形区域,采用矩形区域在H和S分量的标准差之积和结构相似度确定候选区域,通过合并候选区域完成电线杆检测。实验结果证明,提出算法的准确率可达到89.40%,能够有效并且准确地检测出电线杆遮挡。
- 李涛李涛陈黎
- 关键词：结构相似度HSV空间遮挡检测
- 基于卷积神经网络的视频图像失真检测及分类被引量：13
- 2016年
- 为了检测不同失真类型的视频图像,实现对失真视频图像的分类处理,提出一种基于卷积神经网络的视频图像失真检测及分类方法。将视频图像分割成较小的图像块作为输入;然后利用卷积神经网络主动学习特征,引入正负例均衡化和自适应学习速率减缓过拟合和局部最小值问题,由softmax分类器预测图像块的失真类型;最后采用多数表决规则,得到视频图像的预测类别。采用仿真标准图像库(LIVE)和实际监控视频库对该方法进行性能测试,前者的总体分类准确率达到92.22%,后者的总体分类准确率达到92.86%。整体的分类准确率高于已有的其他三种算法。引入正负例均衡化和自适应学习速率后,CNN的分类准确率得到明显提升。实验结果表明,该方法能主动学习图像质量特征,提高失真视频图像分类检测的准确率,通用于任意失真类型的视频图像分类检测,具有较强的鲁棒性和实用性。
- 邬美银陈黎田菁
- 关键词：卷积神经网络
- 基于超像素显著性的视频偏色检测方法被引量：1
- 2017年
- 针对传统偏色检测方法存在的局限性,基于超像素显著性,提出一种视频偏色检测方法。将视频图像分割为超像素块,提取超像素块的亮度显著性和颜色显著性。使用亮度显著性权值系数对颜色显著性进行贝叶斯融合处理,得到综合显著的超像素块特征信息。将块特征向量作为训练样本,使用支持向量机进行分类和回归训练,检测出偏色视频并实现视频的偏色程度评分。实验结果表明,与传统偏色检测方法相比,该方法检测偏色视频的准确率更高,达到95.1%,且偏色程度的检测结果更接近人眼主观评价结果。
- 程奥运陈黎
- 关键词：支持向量机
- 监控视频横向条纹扰动快速盲检测算法
- 2015年
- 针对视频中可能出现的横向条纹扰动会导致大量信息丢失的问题,提出一种基于时空域特性的快速条纹扰动盲检测算法。该方法首先总结了条纹颜色、形状以及运动性三方面特征。通过利用条纹的颜色和形状特征,计算行累计分布和行方差分布,得到空域内的条纹检测指标。再利用条纹的移动特性,通过帧间差分法和基于对称性的滤波获得条纹滤波图像,进而计算行方向的数据分布,得到时域内的检测指标。最后通过对时空域内检测结果的融合完成对条纹扰动的最终检测。实验结果表明该方法鲁棒性高、速度快、能够准确地检测视频条纹扰动。
- 刘佳祥陈黎周开泓
- 关键词：监控视频盲检测
- 基于区域寻优的监控视频感知噪声盲检测算法被引量：1
- 2017年
- 针对感知噪声导致安防监控视频质量出现退化的问题,提出一种视频感知噪声盲检测算法。通过图像的粗糙集表示,采用邻域粗糙集的相关理论获取视频静态区域的下近似集合,去除运动前景的干扰;引入自适应惩罚机制克服过亮过暗区域对感知噪声产生的掩盖效应,确定最优的有效检测区域,结合信息熵作为该区域感知噪声程度的度量指标,实现对视频感知噪声的盲检测。实验结果表明,该算法在视频存在运动前景和局部含有过亮过暗区域时给出了精确的检测结果,具有良好的稳健性,满足安防场景监控视频的实际需求。
- 董晶陈黎周小舟
- 关键词：邻域粗糙集信息熵
- 基于深度学习的监控视频树叶遮挡检测被引量：9
- 2016年
- 结合稀疏自编码器的自动提取数据特征能力和深度置信网络较好的分类性能,提出一种基于深度学习的监控视频树叶遮挡检测方法。首先从视频中随机选取一帧图像,通过栈式稀疏自编码器主动学习视频图像的特征信息,然后采用深度置信网络建立分类检测模型,最后引入学习速率自适应调整策略对整个神经网络进行微调。该方法不需要对视频连续取帧,具有较好的图像特征主动学习能力,克服了人工提取特征能力有限的缺陷。实验结果表明,在样本量充足的条件下,使用本文方法进行监控视频树叶遮挡检测可以达到88.97%的准确率。
- 邬美银陈黎
- 关键词：监控视频遮挡检测图像识别特征提取
- 面向少样本网状结构体的候选区域自适应检测方法被引量：1
- 2019年
- 在仅有少量标签数据的图像网状结构检测任务中,需要大量训练数据的目标检测模型,检测性能大幅下降。基于区域候选的目标检测模型在预测时,检测目标越多,检测时间越长。若基于区域候选的目标检测模型产生候选框的数量固定不变,而不同图像中网状结构目标数量不同,造成目标检测中额外的时间消耗。针对该问题,通过对训练样本中网状结构目标在图片中的密度分析以及根据网状结构体在图片中的特征分布,提出一种面向少样本网状结构体的候选区域自适应检测方法。该方法通过基于二值标签图标注方法得到大量训练样本,由候选区域自适应方法选取合理的候选框数量。与未改进的模型相比,在几乎不损失准确率的情况下,其加快了检测速度,尤其在目标数量稀少的数据中优势更为明显。
- 牟磊陈黎
- 基于最优直线段边缘方向的视频清晰度评估
- 2018年
- 为检测由摄像机参数设置不当引起的安防监控视频质量退化问题,提出基于最优直线段边缘方向的视频清晰度检测方法。基于监控视频图像的模糊造成全局的图像质量下降,但在局部区域的表现各不相同的特性,通过最优直线段和最优边缘方向的提取,结合图像强边缘宽度图,得到精准的视频图像清晰度度量指标。算法在LIVE库和安防监控视频库上进行实验,并进行相关性分析,实验结果表明,该方法得到的视频评估数据与主观评价具有良好的一致性,满足安防监控的实际需求。
- 罗晨光罗晨光陈黎
- 关键词：一致性
- 基于支持向量机的监控视频遮挡树叶检测被引量：6
- 2014年
- 针对安防监控摄像头被树叶遮挡的问题,提出一种基于支持向量机(SVM)的视频树叶遮挡检测算法。该算法利用视频的时域特性,采用累积帧差法实现对视频中疑似树叶区域的分割,提取视频中某一帧图像的整个区域和疑似树叶区域的颜色信息与面积信息作为视频的特征,最后采用支持向量机进行建模并用于视频树叶遮挡的检测。在有限样本前提下,算法准确率能够达到84%。实验结果表明,所提算法对于有树叶遮挡的监控视频能够进行有效识别。
- 袁渊丁胜徐新陈黎
- 关键词：监控视频支持向量机
