图像识别

1.  不良图片过滤技术

随着信息通信技术的快速发展,网络信息安全问题愈发突出,特别是网上暴力、色情、反动等不良信息的传播、泛滥,严重地败坏了社会风气,极大地影响了青少年的健康成长,已经成为世界共同面对的难题和挑战。

北邮的不良图片过滤技术可以帮您解决这个难题。face

技术特点:

  1. 采用GMM(高斯混合模型)的区域肤色分割技术检测出大面积裸露的肤色区域。
  2. 对于肤色占空比高的图像进行人脸检测,排除人脸对识别的干扰。
  3. 对分割出的肤色块统计总块数、面积、位置等属性信息,进行综合评判,降低误判。

性能指标

  1. 正检率(将色情图片检测出的正确率)>90%,虚警率(将正常图片判断为色情图片的概率)<10%
  2. 在P4 2.7GHZ, 1G内存条件下,对1024*768大小的图像最大检测时间<50ms,平均检测时间<30ms。自适应性
  3. 支持多线程处理
  4. 可移植性强

应用案例:

  1. 中国移动WAP图片过滤系统;
  2. 浙江联通图片过滤系统。
2. 高清车牌及车标识别技术

随着国民经济的高速发展,汽车保有量急剧地增长,对交通、治安管理的要求也日益提高,利用计算机视觉分析等先进的信息技术实现高效、安全的智能交通已成为交通、治安管理的主要发展方向,而车牌识别是整个智能交通及治安管理大平台建设重要的基础技术,这项技术已被广泛应用于各个相关领域,如治安卡口系统、电子警察系统、旅行时间系统、区间测速系统、套牌车检测系统、车辆区域关联性查询分析系统、跟车关联性查询分析系统等。另外在公路收费、停车管理、交通诱导、交通执法、车辆调度、交通参数采集等领域也有广泛的应用。

北邮研制的高清车牌及车标识别系统具有高清晰、高智能等特点。

car2car1

 性能和特点:

 1. 高清摄像机: ≥ 140万像素

 2. 图片分辨率: ≥ 1280×1024

 3. 车牌识别率:白天≥90% 夜间≥80%

 4. 系统可以识别的车标有15种常见车标,如:大众,本田、丰田、雪铁龙、标致、奥迪等。

 5. 白天高清图片,车标识别正确率68%,识别速度:100ms/张

 主要应用:闯红灯自动检测、卡口车牌自动抓拍、套牌车辆自动检测

 应用案例:

 1、 北京大兴闯红灯自动抓拍系统;

 2、 新疆乌鲁木齐卡口抓拍系统。

3. 图片检索技术

用手机拍摄的商品图像,在知名电子商务网站上进行图像搜索,将图像底层特征和文本信息进行融合,对视觉信息提取相应特征,对文本信息进行分词、分类,使其发挥各自优点,对互联网商品进行准确检索,通过对图片底层特征和文本分类算法进行研究。实现了一个基于Android系统的互联网商品图像移动搜索系统。

 

picture

性能和特点:

1. 可返回前100个相似结果;

2. 查全率>80%;

主要应用:互联网图片搜索,相似图片检索。

应用案例:

  1. 中国移动种子彩信检测系统;

近期文章

学术讲座通知​:From Shuffled Linear Regression to Homomorphic Sensing

题目:From Shuffled Linear Regression to Homomorphic Sensing
报告人:Dr. Manolis Tsakiris, 上海科技大学
时间:2019年5月30日14:00-15:30 (星期四)
地点:教三 308  主持人:李春光

摘要:
A recent line of research termed Shuffled Linear Regression has been exploring under great generality the recovery of signals from permuted measurements; a challenging problem in diverse fields of data science and machine learning. In its simplest form it consists of solving a linear system of equations for which the right-hand-side vector has been permuted. In the first part of this talk I will present a provably correct method based on algebraic geometry together with its associated algorithm, the latter being a first working solution to this open problem, able to handle thousands of noisy fully permuted measurements in milliseconds. In the second part of the talk I will discuss the issue of uniqueness of the solution, in a general context which I have termed Homomorphic Sensing*. Given a linear subspace and a finite set of linear transformations I will present dimension conditions of algebraic-geometric nature guaranteeing that points in the subspace are uniquely determined from their homomorphic image under some transformation in the set. As a special case, this theory explains the operational regime of Unlabeled Sensing, in which the goal is unique recovery of signals from both permuted and subsampled measurements.
*Has been accepted by ICML2019. Preprint: https://arxiv.org/abs/1901.07852

报告人简介:
Manolis Tsakiris is an electrical engineering and computer science graduate of the National Technical University of Athens, Greece. He holds an M.S. degree in signal processing from Imperial College London, UK, and a Ph.D. degree from Johns Hopkins University, USA, in theoretical machine learning, under the supervision of Prof. Rene Vidal. Since August 2017 he is an assistant professor at the School of Information Science and Technology (SIST) at ShanghaiTech University. His main research interests are subspace learning methods and related problems in algebraic geometry. For more information, please visit his homepage.

本次报告为学术前沿报告,欢迎各位老师和学生积极参加!

  1. 学术讲座通知​:深度结构建模及其在物体检测和姿态估计中的应用 发表评论
  2. 学术讲座通知​:增强现实中的计算机视觉技术探索 发表评论
  3. 学术讲座通知​:城市计算与大数据 2条回复
  4. 学术报告: Complete Dictionary Recovery over the Sphere 发表评论
  5. 图像识别技术其智能应用 发表评论
  6. 学术讲座通知:Deep models for face processing with “big” or “small” data 发表评论
  7. 学术讲座通知 发表评论
  8. 学术讲座通知 发表评论
  9. 学术讲座:多媒体数据内容分析与保密防范 发表评论