利用无人机多源影像检测车辆速度

交通在人民生活和社会经济中有着举足轻重的作用。车辆速度检测是智能交通管理系统的重要组成部分。本文提出了一种基于无人机（UAV）多源影像数据进行车辆速度检测的方法,首先,搭建小型无人机多源数据采集平台,获取可见光影像与热红外影像。然后,针对采集的多源数据,采用深度学习框架YOLO（you only look once）进行车辆检测。最后,基于卡尔曼滤波进行车辆跟踪,并根据跟踪结果计算车辆速度。本文利用无人机平台增加监测车辆的灵活性,同时综合使用多源数据,不仅提高车辆检测精度,还可以不依赖光照条件跟踪车辆。试验结果表明,本文方法具有有效性和稳健性,为道路监控管理部门提供一种高效率、机动灵活的监测模式。     

动态卷积YOLOv5的视频火焰检测算法

针对传统火灾检测系统容易受地理空间的影响，且现有的深度学习方法对动态火灾的检测能力较弱等问题，该文提出了一种动态卷积YOLOv5视频火焰多尺度目标检测算法。采用K-means++算法优化了anchor box聚类，降低了分类结果的误差。基于动态卷积思想，采用剪枝方法对YOLOv5 Neck和Head的网络头进行了剪枝，降低了模型大小，实现了视频火灾的动态实时准确检测。基于不同火灾监控视频的实验结果表明，该文方法不仅可以有效地对地面监控视频中的火灾点进行检测，还能够对无人机上监控视频中的火灾点进行检测。研究结果可以应用于基于视频的不同场景的火灾检测，从而达到对现有火灾检测系统补充的作用。     

基于YOLOv2的船只检测算法及其在横琴环岛监控系统中的应用

船只的实时检测对于维护海上航运安全十分重要。基于监控视频数据构建了针对船只检测的数据集,将YOLOv2网络架构应用于船只检测,并结合船只宽高比特点,聚类选取初始候选框。对比实验结果表明,该检测方法能在保证检测精度的同时达到90帧/s的检测速度,满足实际应用需求。珠海市横琴新区已将该检测模型应用于环岛视频监控系统中,并与GIS地图和无人机影像进行集成,实现了环岛海域的实时船只监测。     

基于城市天际线的遥感视频生产与交通信息提取

传统交通信息获取方法较难获取大范围、全覆盖的实时动态交通流信息,提出一种利用城市天际线作为观测平台的城市遥感视频生产与交通信息提取方法。首先,在超高层建筑物拍摄对地观测数据;然后,对原始倾斜视频观测数据进行正射校正,与卫星影像融合生成大范围城市遥感视频数据;最后,训练深度学习模型进行车辆分类识别,基于识别结果计算区域车辆数目及密度。在深圳平安大厦观光层开展数据采集并处理分析,结果表明,所提方法可生产低成本、长时间、大范围、高质量的城市遥感视频,基于该遥感视频开展的车辆检测误识别率和漏识别率低,车辆计数准确率高,可对区域交通流量进行有效监控,准确实时地获取城市内部区域交通情况。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

基于深度学习的土地违法施工场景监测研究

土地利用保护是国土资源管理的一项重要职能,高点视频影像为土地利用保护提供了一种实时全天候的监测手段。为实现基于视频影像的自然资源疑似违法建设自动化监测和预警,将违法建设、违法施工等监测转化为建筑施工机械等内容的检测,提出了一种基于深度学习的土地违法施工检测方法。首先利用视频监控影像对施工机械进行样本训练,然后基于深度学习目标检测方法YOLOv3实现建筑施工机械检测,进而实现疑似违法建设预警。实验证明,该方法可从视频影像中自动化检测出施工机械,且可靠性较高,可为全天候耕地疑似违法施工预警提供技术支撑。     

基于WebGIS的视频星车流量分析与路况查询系统

车流量作为衡量路况信息的重要因素,需要一个低成本且高效的可视化监控系统。本文对视频监控中的车流量信息进行了提取分析,采用背景差分的方法对视频中有关的车辆因子进行提取,包括车流量信息提取、车辆类型提取、车速提取,并将分析得到的数据通过Web GIS发布到网络上支持在线预览,结合GIS和视频监控的特点,解决了传统视频监控系统空间位置感较差的问题。     

基于近景摄影测量的单镜头视频车辆速度检测方法

车速检测是城市交通体系中车辆运行安全的重要环节,对维持城市交通安全至关重要。针对现有的多种交通车辆测速方法存在高成本、易受外界条件影响、安装区域限制等问题,本文提出一种成本较低、灵活性高的基于视频图像的车辆识别与测速方法。采用深度学习的方法搭建YOLOv4框架并训练COCO数据集识别车辆,改进识别方法提取识别车辆外接最大矩形框下边界中点的像平面坐标,引入近景摄影测量的方法并对共线方程进行改进,在单摄像机情况下完成对车辆的识别,计算车辆瞬时速度,绘制检测区域内车辆速度曲线,最后采取试验验证方法可行性并进行精度评定。     

基于系留无人机的应急测绘技术应用

传统测绘比较注重"准",而忽视了"快"。现代应急测绘需要"既快又准"。如果使用传统的测绘技术方法将会消耗大量的时间,会影响到应急救灾的及时性。系留无人机可以采集高质量的数据,并且能够进行实时的长时间视频监测。首先,介绍了系留无人机应急测绘的应用现状、特点优势和应用场景;然后,提出一种利用系留无人机采集高质量的影像数据和视频数据生产测绘数据产品,并通过Darknet深度学习框架对视频目标进行识别的经验和方法;最后,在不同场景下进行模拟实验和实际应用。实验结果表明,该方法能够为救灾抢险提供及时有效的测绘保障。     

无人机动态飞行轨迹的检测处理

无人机无线电测量定位系统的精度，一直无法进行准确、定量检测。通过对飞机飞行轨迹进行监测，并记录其相关数据与无人机无线电测量定位与系统输出的数据进行自动对比分析的“无人机动态定位检测系统”，解决了无人机动态定位精度不能进行定量检测的技术难题。本文叙述了某型号无人机的无线电测量定位系统定位精度误差检测系统和检测方法，给出了无人机动态定位检测系统的硬、软件组成方式，并介绍了研制和测试中遇到的问题及解决措施。     

光流网络的无人机视频运动目标检测方法

针对传统光流技术的无人机视频运动目标检测方法计算效率低等问题,提出一种基于改进光流网络的无人机视频运动目标检测方法.首先利用卷积神经网络分别提取视频序列影像中目标的运动特征,并利用所提取特征进行光流计算;其次通过堆叠网络结构增加网络深度、引入小位移子网络等方法提高光流计算的精度和效率;最后通过光流阈值分割实现运动目标的检测.采用4组不同飞行模式下的无人机视频数据进行实验,实验结果表明,无论是在悬停模式还是在航行模式下,所提方法均能实现单目标、多目标和遮挡目标的检测,检测效果更好、计算效率更高(计算时间≤35 ms),基本能满足无人机视频运动目标实时处理的需求.     

一种移动视频与地理场景的融合方法

快速准确地了解灾害现场状况是救灾过程中的重中之重。通常发生灾害都会使用无人机进行现场勘察,但是无人机视频难以与实际的地理场景关联起来,为此本文提出了一种移动视频与地理场景的融合方法。该方法首先采用具有仿射不变性的ASIFT算法检测特征点,将匹配后的特征点采用RANSAC算法进行迭代剔除噪点,计算视频与地理场景最优的透视变换矩阵模型参数;然后将计算得到的透视变换参数应用到视频数据,恢复视频角点坐标;最后通过内插得出所有视频帧的角点坐标,实现视频与DOM的精确融合。试验结果表明,对视频数据匹配的间隔帧越短,其整体融合精度越高,通过本文方法进行视频与地理场景融合的误差标准差低于10 m。     

突发灾害监控与决策系统的设计与实现

现代社会,面对高危或人类无法到达的区域,如森林火场现场视查、地震灾情查看、城市等狭窄地段的高楼消防救灾、核辐射现场勘察检测等,基于无人机的无线通信系统,由于体积小和机动灵活,通过信息传感采集、视频现场捕捉,能安全、有效地获取现场灾情情况信息。然后数据通过中继传到后台,存入后台数据库。利用采集到的现场信息与ArcGIS Server发布的GIS相关服务,通过ArcGIS API for Flex对数据进行快速分析处理,使采集信息可视化,同时进行突发灾害模拟预测,准确定位事发地点,评价灾害影响范围,查找救援最短路径等。本文设计并实现了基于无人机突发灾害监控与决策系统,同时重点介绍系统的设计、组网的关键技术、视频压缩、基于GIS的数据处理与分析以及系统实现的功能。     

大载荷长航时无人机航空应急测绘系统设计与实现

无人机航空摄影是应急测绘保障的重要手段。近年来,大载荷长航时无人机已逐步进入民用领域。以往关于航空应急测绘系统的研究主要是针对轻小型无人机和有人机,缺少适用于大载荷长航时无人机性能和特点的系统设计方法。本文首先分析了不同固定翼无人机产品的性能差异,从无人机平台、任务传感器、遥感数据处理软件等的集成关系入手,提出了基于航测控制器的多载荷一体化集成的设计方案,以及涵盖航摄规划、视频实时处理、影像高精度处理的软件系统集成方案。采用该设计方案研制实现了CH-4航空应急测绘系统,并在四川广元某区域进行了试验,结果表明该系统不仅可以同时获取视频、光学影像和SAR数据,而且数据获取质量能够满足大比例尺测图的要求。     

深度学习倾斜三维模型车辆去除算法北大核心CSCD

针对倾斜三维模型中车辆运动导致的车辆变形问题,本文提出了深度学习倾斜三维模型车辆去除算法。首先利用深度目标检测网络对三维模型中的车辆进行检测,定位车辆的位置;然后利用深度图像修复算法对车辆进行擦除,自动填充道路纹理。相较于基于Photoshop的手工车辆去除方法,该方法可有效提高作业效率。     

城市内涝监控预警与联合调度系统设计与开发

针对城市内涝积水问题,设计研发了基于物联网与GIS技术的城市内涝监控预警与联合调度系统,实现了对道路、下沉式立交桥等城市积水点的视频信息、积水深度以及城市排水管道水位信息、泵站蓄水池水位信息的实时监测与在线传输。将这些反映城市当前积水状况的数据与排水泵站进行链接,当监测数据达到系统设置的阈值时,可自动开启或关闭泵站,实现城市内涝排水的自动化、智能化管理,为及时有效解决城市内涝问题提供了高效的管理手段;同时,可在积水点周边路口对积水严重等级进行公示,给来往车辆及行人提供预警,以免造成不必要的人身财产损失,实现城市管理的智能化和人性化。     

视频卫星数据的运动车辆提取

针对新兴的视频卫星数据在道路监控中应用研究较少的问题,该文提出了一种基于特征的视频卫星数据运动车辆提取优化算法。以SkySat-1卫星获取的Las Vegas地区的视频数据为实验数据,采用传统帧差法与阈值法进行运动车辆提取,验证了该方法对视频卫星数据处理的有效性,同时在此基础上根据空间特征信息界定出道路以内的感兴趣区域,进一步根据车辆的几何特征信息对感兴趣区域的疑似车辆目标进行筛选。实验结果表明:所提算法在提取精度和完整度上明显优于基于像素的帧差法与阈值法的提取结果。     

基于DeepLab V3+深度学习的无人机影像建筑物变化检测研究

针对城市建筑物变化检测的高时间和高空间分辨率需求,研究了基于深度学习的无人机影像建筑物变化检测方法.以大疆精灵4无人机正射影像为数据源,利用变化矢量分析与人工判别生成变化标签数据,并通过数据增强生成数据集.基于DeepLab V3+深度网络,利用生成的数据集进行无人机影像建筑物变化迁移学习,最终实现建筑物变化检测.实验...     

一种热红外与可见光影像深度特征匹配方法

针对无人机热红外影像与光学卫星影像的匹配难题,提出一种基于异源地标数据集学习的深度局部特征匹配方法。首先,利用生成对抗网络学习热红外与可见光影像的灰度分布规律,并进一步合成用于特征提取模型训练的热红外影像地标数据集;然后,联合残差网络和注意力机制模型,从数据集中学习深度不变特征;最后,经过对不变特征的匹配、提纯等处理,获得像对的正确匹配点。试验测试了该方法的性能,并与KAZE、特征检测描述网络和深度局部特征模型进行了对比。结果表明,提出的方法对灰度、纹理、重叠率以及几何变化具有较强的适应性,且匹配效率较高,可为无人机视觉导航提供支撑。     

无人机实时视频与三维地理场景融合

针对无人机视频巡查时无法获取视频要素与周围场景地理要素的空间关系等问题,本文提出了一种无人机实时视频与三维地理场景融合方法。该方法通过设置路线站点获取无人机实时巡查视频,利用高分辨率倾斜摄影模型构建三维地理场景,将视频在三维地理场景中投影,构建视频投影参数规范和无人机数据传输模型,实现无人机实时视频与三维地理场景融合展示;对无人机实景融合的应用流程进行设计,并通过具体案例进行试验验证。试验结果表明,无人机实景融合具有良好的表达效果,视频与三维地理场景融合度高且视频画面变形较小。该方法将无人机视频应用扩展至三维空间,为视频要素赋予了空间参考。