夜间环境下多姿态精细车款识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61906061
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0604.机器感知与机器视觉
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Vehicle Model Recognition belongs to typical fine-grained object recognition task. It has been a hot issue as well as a difficult problem in the domain of computer vision. Nighttime multi-pose vehicle model recognition (NM_VMR) can identify, lock and track specific vehicles effectively at night, which has broad application prospects in intelligent transportation, intelligent security and public security. However, the particularity of night environment and complexity of vehicle pose, make the existing feature extraction and classification algorithms difficult to work, thus increase the difficulties of vehicle recognition. This project focus on the research of NM_VMR, which includes: construct a large scale nighttime multi-pose vehicle dataset, in order to provide data support for follow-up research; focus on the feature enhancement of vehicles under the influence of low illumination, backlight and ambient light at night, and propose a vehicle feature enhancement method for nighttime vehicle images based on Generative Adversarial Networks (GANs); propose a research method for multi-pose vehicle model recognition based on base-view and part, explore the feasibility of pose estimation network, deformable convolutional kernel and part-based recognition technology to improve the recognition accuracy; design and optimize the network for NM_VMR, in order to further improve the recognition accuracy. This project aims to promote the development of vehicle related recognition technology, and provide reference for other multi-pose target recognition problems in the night environment.
精细车款识别是典型的目标细粒度识别任务,是计算机视觉领域的热点和难点问题。夜间多姿态精细车款识别有助于识别、锁定并追踪特定车辆,在智能交通、智慧安防和公共安全等领域具有广泛的应用前景。然而夜间环境特殊性、车辆姿态复杂性,增加了车款识别难度,致使目前存在的特征提取和细分类算法难以奏效。本项目开展夜间环境下多姿态精细车款识别研究:构建大规模夜间多姿态精细车款数据库,为后续研究提供数据支撑;针对夜间低照度、逆光、环境光影响下的车辆有效特征增强进行研究,提出一种基于生成对抗网络的夜间车辆有效特征增强方法;提出基于基视图与部件相结合的多姿态精细车款识别方法,探索姿态估计子网络、可变形卷积核、基于部件识别等技术在提升多姿态车款识别精度上的可行性;最后进行网络模型的设计和优化,以进一步提高识别精度。本项目旨在促进车款识别技术的发展,同时为夜间环境、多姿态下的其他目标识别问题提供参考。

结项摘要

车款识别一直是计算机视觉领域的研究热点和难点,在智能交通、无人驾驶等领域具有十分重要的应用价值。车款识别属于精细识别,由于车款数量众多,不同车款间差异较小,而相同车款则由于视角不同,外观差异较大,尤其是夜晚环境下获取的车辆图像,由于受逆光、各种城市灯光的影响,车身特征不明显,且存在伪特征,从而增加了车款识别的难度。本项目组围绕夜间多姿态精细车款识别问题,对夜间低照度,逆光、环境光干扰下的车辆细节特征增强方法,“多姿态”情况下的精细车款识别,夜间多姿态精细车款识别网络模型的设计与优化开展了研究。在本项目的资助下,发表了学术论文13篇,多篇论文发表在图像处理、模式识别的优质期刊上;获得授权发明专利6项、软件著作权登记3项;培养硕士生6名。在本项目的研究中,建设了一个大规模夜间多姿态精细车款数据库,可用于验证众多识别算法的可行性。提出了基于嵌入车辆姿态信息及与视角相关信息的卷积神经网络模型,以解决多视角影响下的车款识别问题;提出了一种基于残差网络特征重用的深度卷积神经网络模型以应对车辆姿态变化和复杂背景干扰问题;提出了基于生成对抗网络的方法以增加车款样本的数量,从而提高模型训练的效果;提出了卷积注意力模型架构单元和双阶注意力模块,以对网络模型进行优化,提高模型的识别效率;提出了夜间车辆图像增强方法,该增强方法的目的并非使图像在外观上便于辨识,而是在实际使用中有利于提升模型识别的准确程度。在车辆相关特征方面,开展了车标检测的研究,构建了新的骨干网络以提高车标检测的准确性和效率;提出了基于学习的多层金字塔网络,利用多分辨率提取特征以提高车标识别性能;提出了抗模糊特征提取策略和特征增强策略的车标识别;提出了一种变形车牌检测模型;上述方法有助于提升最终车款识别的精确度。本项目的研究具有重要的科学意义,多项研究内容是具有创新性和引领性的,有力地推动了夜间多姿态精细车款识别的研究和发展。

项目成果

期刊论文数量(12)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(6)
CAM: A fine-grained vehicle model recognition method based on visual attention model
CAM:一种基于视觉注意力模型的细粒度车型识别方法
  • DOI:
    10.1016/j.imavis.2020.104027
  • 发表时间:
    2020-12
  • 期刊:
    IMAGE AND VISION COMPUTING
  • 影响因子:
    4.7
  • 作者:
    Yu Ye;Xu Longdao;Jia Wei;Zhu Wenjia;Fu Yunxiang;Lu Qiang
  • 通讯作者:
    Lu Qiang
特征增强策略驱动的车标识别
  • DOI:
    10.11834/jig.200327
  • 发表时间:
    2021
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    贺敏雪;余烨;程茹秋
  • 通讯作者:
    程茹秋
VLDetNet: an improved vehicle logo detection method based on vBlock
VLDetNet:一种基于vBlock改进的车标检测方法
  • DOI:
    10.1117/1.jei.31.6.063042
  • 发表时间:
    2022-11
  • 期刊:
    Journal of Electronic Imaging
  • 影响因子:
    1.1
  • 作者:
    Ye Yu;Daizong Shi;Wenjia Zhu;Zhen Liang;Hua Li;Wei Jia;Qiang Lu
  • 通讯作者:
    Qiang Lu
基于FR-ResNet的车辆型号精细识别研究
  • DOI:
    10.16383/j.aas.c180539
  • 发表时间:
    2021
  • 期刊:
    自动化学报
  • 影响因子:
    --
  • 作者:
    余烨;傅云翔;杨昌东;路强
  • 通讯作者:
    路强
自然场景下变形车牌检测模型DLPD-Net
  • DOI:
    10.11834/jig.200091
  • 发表时间:
    2021
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    余烨;付源梓;陈维笑;刘海涛
  • 通讯作者:
    刘海涛

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

珠江口盆地晚渐新世——早中新世古地震记录及油气地质意义
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    天然气地球科学
  • 影响因子:
    --
  • 作者:
    张忠涛;朱锐;余烨;袁瑞
  • 通讯作者:
    袁瑞
面向球面虚拟实景底部空洞的快速修补算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    余烨;李冰飞;叶强强;刘晓平
  • 通讯作者:
    刘晓平
佳木斯66m射电望远镜指向精度测量及改进
  • DOI:
    10.14005/j.cnki.issn1672-7673.20160315.002
  • 发表时间:
    2016
  • 期刊:
    天文研究与技术
  • 影响因子:
    --
  • 作者:
    喻业钊;韩雷;周爽;余烨;张建辉;彭灵翔;唐德毓;韩金林
  • 通讯作者:
    韩金林
影像组学在肺癌中的应用进展
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    国际医学放射学杂志
  • 影响因子:
    --
  • 作者:
    余烨;吴华伟
  • 通讯作者:
    吴华伟
湘西北牛蹄塘组探井页岩气富集要素的对比和启示
  • DOI:
    10.11817/j.issn.1672-7207.2018.09.017
  • 发表时间:
    2018
  • 期刊:
    中南大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    黄俨然;肖正辉;焦鹏;秦明阳;余烨;王玺凯;曹涛涛
  • 通讯作者:
    曹涛涛

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

余烨的其他基金

开放场景中基于增量小样本学习的异常事件检测方法研究
  • 批准号:
    62372153
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码