检索结果-南通市图书馆

检索条件"导师=陈后金"

共 82 条记录，以下是81-90 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

Data Matrix二维条码图像识别的算法研究与实现

Data Matrix二维条码图像识别的算法研究与实现

引用

作者：李雅静北京交通大学

学位级别：硕士

随着现代信息技术的高速发展,条码已经成为信息存储、传递及识别的有效工具。二维条码可以在横向和纵向两个方向上同时表达信息,以其数据容量大、信息密度高、可靠性高、纠错能力强及可表示多种信息的特点,在自动识别领域发挥着越来越... 详细信息

随着现代信息技术的高速发展,条码已经成为信息存储、传递及识别的有效工具。二维条码可以在横向和纵向两个方向上同时表达信息,以其数据容量大、信息密度高、可靠性高、纠错能力强及可表示多种信息的特点,在自动识别领域发挥着越来越重要的作用。Data Matrix是现有二维条码中尺寸最小、密度最大、应用最广泛的一种,自其诞生之日起就得到了世界各国的广泛关注。实际采集到的二维条码图像,不可避免的会遇到光照不均、拍摄角度多样、背景图案复杂、条码污损等问题。研究如何克服这些困难并准确高速的识别二维条码,是当今一个重要的研究领域。本论文正是基于这个思想,针对Data Matrix二维条码的图像处理和解码识别进行算法设计与实现。本论文的研究内容和工作成果主要包括以下几个方面:1.研究和分析了Data Matrix条码的研究现状、结构特点、编码原理及经典算法等,在此基础上设计了Data Matrix条码图像处理和解码识别系统的整体算法框架,并建立了软硬件系统平台,包括架构设计、算法实现、程序移植及系统配置等。2.设计并实现了Data Matrix条码识别系统中各模块的算法,包括图像预处理、区域定位、线段检测、旋转校正、精确提取、条码分割、采样解码等,针对各种复杂情况,设计了一系列适用于Data Matrix条码图像的算法,并基于MATLAB环境实现了一套软件系统,验证了算法的正确性。3.移植并实现了设计的算法,在CCS集成开发环境中,基于SEED-VPM642系统,以TMS320DM642 DSP芯片为核心,外配CCD、视频编解码器、SDRAM、FLASH、UART等模块,实现了Data Matrix条码识别系统,并对该系统进行了性能测试和评定总结。实际测试结果表明,本论文设计的算法具有理论性与实用性,该识别系统能够正确识读Data Matrix条码,并具有较高的识别率和识别速度,具有实用价值与应用前景。

关键词：二维条码 Data Matrix 图像处理条码识别 DSP

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

铁路视频监控中小尺度行人检测算法研究

铁路视频监控中小尺度行人检测算法研究

引用

作者：石瑞姣北京交通大学

学位级别：硕士

铁路运输兼顾货运和客运,是关乎国计民生的运输大动脉。现阶段铁路运输仍无法做到全封闭运行,因铁路基础防护设施薄弱而导致的铁路交通事故时有发生。其中,行人入侵是影响铁路行车安全最为重要的因素之一,实现铁路关键区域实时行人检测... 详细信息

铁路运输兼顾货运和客运,是关乎国计民生的运输大动脉。现阶段铁路运输仍无法做到全封闭运行,因铁路基础防护设施薄弱而导致的铁路交通事故时有发生。其中,行人入侵是影响铁路行车安全最为重要的因素之一,实现铁路关键区域实时行人检测与报警将为列车行车安全提供保障。目前,短焦距摄像机广泛应用于铁路场景监控,为有效解决大视场下小尺度行人检测精度低而引起的高漏报率、高误报率等问题,本文展开基于深度学习的铁路场景小尺度行人检测算法研究。论文主要完成工作如下:(1)针对铁路场景小尺度行人检测精度低的问题,提出了一种基于注意力和多级特征融合的小尺度行人检测算法。基于YOLOv3设计行人检测基础网络,结合小尺度行人特性从多尺度预测、注意力机制引导下的特征融合以及损失函数优化三方面实现网络的改进与优化。实验结果表明该算法相较于改进前基础网络具有更高的检测精度,在铁路场景数据集对数平均漏检率由25.2474%降至9.1843%。(2)为充分利用小尺度行人的视频帧间运动信息,提出了一种结合运动信息的视频小尺度行人检测算法。将连续帧作为网络输入,引入三维卷积学习提取帧间行人运动信息,同时结合自适应特征融合模块实现行人空间位置信息和运动信息自适应聚合。在铁路场景数据集测试结果表明,该算法将对数平均漏检率由9.1843%进一步降至6.8919%,有效改善了存在部分遮挡、受复杂背景干扰等情况下小尺度行人的错误检测问题。(3)为进一步降低小尺度行人漏检率,设计了一种结合多目标跟踪的视频小尺度行人检测算法。将DeepSORT多目标跟踪算法作为检测网络的后处理,实现轨迹上漏检行人的再补充。实际铁路场景测试结果表明,该算法有效提高了对于小尺度行人的检测精度,将对数平均漏检率降至5.3527%。(4)针对卷积神经网络参数量多、运算量大的问题,对网络结构进行轻量化,设计了一种轻量级特征提取网络。利用深度可分离卷积替代常规卷积减少网络的参数量、运算量,同时引入倒残差结构提高模型的特征提取能力。实际铁路场景测试结果表明,该网络在保证检测精度的前提下将模型大小由248.4MB压缩至110.9MB,加快了算法运行速度。本文致力于提升铁路场景小尺度行人检测精度,从单帧输入、连续帧输入、后处理以及轻量化四个方面对网络进行优化设计,经测试本文算法有效降低了小尺度行人的漏报率、误报率,具有良好的发展前景和实际应用价值。

关键词：铁路视频监控小尺度行人检测深度学习运动信息多目标跟踪轻量化设计

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共9页 << < 1 2 3 4 5 6 7 8 9 > >> 跳转到页

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：