蓋世汽車(chē)訊 據(jù)外媒報(bào)道，耶魯-新加坡國(guó)立大學(xué)學(xué)院（Yale-NUS College）的研究人員開(kāi)發(fā)了新的計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)方法，可從受雨水和夜間條件等環(huán)境因素影響的視頻中的低級(jí)視覺(jué)中提取更準(zhǔn)確的數(shù)據(jù)。此外，研究人員還提高了視頻中3D人體姿態(tài)估計(jì)的準(zhǔn)確性。

（圖片來(lái)源：https://www.unite.ai/）

計(jì)算機(jī)視覺(jué)技術(shù)可用于自動(dòng)監(jiān)控系統(tǒng)、自動(dòng)駕駛汽車(chē)、醫(yī)療保健和社交距離工具等應(yīng)用，但經(jīng)常受到環(huán)境因素的影響，可能會(huì)對(duì)提取的數(shù)據(jù)造成問(wèn)題。低光照條件以及強(qiáng)光、光暈和泛光照明等人造光效應(yīng)都會(huì)影響夜間圖像。在雨天，圖像也會(huì)受到雨條紋或雨水積累的影響。

Yale-NUS College副教授Robby Tan稱，“許多計(jì)算機(jī)視覺(jué)系統(tǒng)，如自動(dòng)監(jiān)控和自動(dòng)駕駛汽車(chē)，都依賴輸入視頻的清晰可見(jiàn)性來(lái)運(yùn)行。例如，自動(dòng)駕駛汽車(chē)無(wú)法在大雨中穩(wěn)定工作，閉路電視自動(dòng)監(jiān)控系統(tǒng)在夜間經(jīng)常失靈，尤其是在黑暗的場(chǎng)景，或有明顯眩光或泛光照明的情況下?！?/p>

該團(tuán)隊(duì)基于兩項(xiàng)獨(dú)立的研究，引入深度學(xué)習(xí)算法，以提高夜間和雨天視頻的質(zhì)量。第一項(xiàng)研究專注于提高亮度，同時(shí)抑制噪聲和燈光影響，如眩光、光暈和泛光，以創(chuàng)建清晰的夜間圖像。該項(xiàng)新技術(shù)旨在提高夜間圖像和視頻的清晰度。

第二項(xiàng)研究引入幀對(duì)齊方法，可不受雨條紋的影響，獲得更好的視覺(jué)信息，雨條紋通常在不同的幀中隨機(jī)出現(xiàn)。該團(tuán)隊(duì)使用移動(dòng)攝像頭進(jìn)行深度估計(jì)，有助于消除雨幕效應(yīng)。現(xiàn)有方法主要去除雨條紋，而新開(kāi)發(fā)的方法可同時(shí)去除雨條紋和雨幕效應(yīng)。

同時(shí)，研究小組還展示了可用于視頻監(jiān)視、視頻游戲、體育廣播等領(lǐng)域的3D人體姿態(tài)估計(jì)技術(shù)。過(guò)去幾年，關(guān)于單目視頻中3D多人姿態(tài)估計(jì)的研究越來(lái)越多。與多攝像頭拍攝的視頻不同，單目視頻更靈活，可使用手機(jī)等單攝像頭拍攝。

在同一場(chǎng)景中，多個(gè)個(gè)體的活動(dòng)會(huì)影響人類(lèi)檢測(cè)的準(zhǔn)確性。當(dāng)個(gè)體在單目視頻中密切互動(dòng)或相互重疊時(shí)，尤其如此。該研究小組的第三項(xiàng)研究結(jié)合現(xiàn)有的兩種方法，從視頻中估計(jì)3D人體姿勢(shì)。與其他兩種方法相比，新方法在多人環(huán)境下，可生成更可靠的姿態(tài)估計(jì)，而且更適合處理個(gè)體之間的距離。

Tan教授表示，“下一步我們將研究如何保護(hù)視頻隱私信息。計(jì)算機(jī)視覺(jué)對(duì)于許多應(yīng)用而言至關(guān)重要，如讓自動(dòng)駕駛汽車(chē)在惡劣天氣條件下更好地工作。我們將努力開(kāi)發(fā)提高能見(jiàn)度的方法，為該領(lǐng)域的進(jìn)步做出貢獻(xiàn)?！?/p>

返回第一電動(dòng)網(wǎng)首頁(yè) >