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

学术报告: Hamming classifier: from one-hot to multi-hot classification

报告题目:Hamming classifier: from one-hot to multi-hot classification

报告时间:10月10日 上午10:00-11:00

报告地点:教三 811会议室

报告简介:肖嵘博士,平安财产险科技中心首席研究员、人工智能部总经理,国家特聘专家,深圳市孔雀A类人才,负责人工智能技术在保险领域的创新研究。肖嵘于2001年获南京大学计算机博士学位,曾供职于微软亚洲研究院和微软雷德蒙研究院18年。

报告摘要:对于多分类问题,很多神经网络优化的是LR(Logistic Regression)的损失函数。这样的模型在处理大规模分类的问题时存在一定的局限性。在本次报告中,我们通过对LR损失函数的分析,揭示了模型输出特征在高维空间的分布特性,并在此基础上引入LSH(Locality Sensitive Hashing)算法对样本的类别进行了编码。这种编码方式,不仅能够显著降低模型复杂度,而且可以表征不同类别之间(语义)关系。基于这种编码方式,我们提出一种汉明分类器(Hamming Classifier)算法,并应用于OCR和NLP领域的识别问题中;该方法在基本不影响识别精度性能的情况下,可以显著降低模型尺寸。

  1. 学术讲座通知​:From Shuffled Linear Regression to Homomorphic Sensing 发表评论
  2. 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
  3. 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
  4. 学术讲座通知​:城市计算与大数据 2条回复
  5. 学术报告: Complete Dictionary Recovery over the Sphere 发表评论
  6. 图像识别技术其智能应用 发表评论
  7. 学术讲座通知:Deep models for face processing with “big” or “small” data 发表评论
  8. 学术讲座通知 发表评论
  9. 学术讲座通知 发表评论