蓋世汽車訊 據(jù)外媒報道，耶魯-新加坡國立大學學院（Yale-NUS College）的研究人員開發(fā)了新的計算機視覺和深度學習方法，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視覺中提取更準確的數(shù)據(jù)。此外，研究人員還提高了視頻中3D人體姿態(tài)估計的準確性。

（圖片來源：https://www.unite.ai/）

計算機視覺技術可用于自動監(jiān)控系統(tǒng)、自動駕駛汽車、醫(yī)療保健和社交距離工具等應用，但經(jīng)常受到環(huán)境因素的影響，可能會對提取的數(shù)據(jù)造成問題。低光照條件以及強光、光暈和泛光照明等人造光效應都會影響夜間圖像。在雨天，圖像也會受到雨條紋或雨水積累的影響。

Yale-NUS College副教授Robby Tan稱，“許多計算機視覺系統(tǒng)，如自動監(jiān)控和自動駕駛汽車，都依賴輸入視頻的清晰可見性來運行。例如，自動駕駛汽車無法在大雨中穩(wěn)定工作，閉路電視自動監(jiān)控系統(tǒng)在夜間經(jīng)常失靈，尤其是在黑暗的場景，或有明顯眩光或泛光照明的情況下?！?/p>

該團隊基于兩項獨立的研究，引入深度學習算法，以提高夜間和雨天視頻的質(zhì)量。第一項研究專注于提高亮度，同時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。該項新技術旨在提高夜間圖像和視頻的清晰度。

第二項研究引入幀對齊方法，可不受雨條紋的影響，獲得更好的視覺信息，雨條紋通常在不同的幀中隨機出現(xiàn)。該團隊使用移動攝像頭進行深度估計，有助于消除雨幕效應。現(xiàn)有方法主要去除雨條紋，而新開發(fā)的方法可同時去除雨條紋和雨幕效應。

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

在同一場景中，多個個體的活動會影響人類檢測的準確性。當個體在單目視頻中密切互動或相互重疊時，尤其如此。該研究小組的第三項研究結(jié)合現(xiàn)有的兩種方法，從視頻中估計3D人體姿勢。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，而且更適合處理個體之間的距離。

Tan教授表示，“下一步我們將研究如何保護視頻隱私信息。計算機視覺對于許多應用而言至關重要，如讓自動駕駛汽車在惡劣天氣條件下更好地工作。我們將努力開發(fā)提高能見度的方法，為該領域的進步做出貢獻?！?/p>

返回第一電動網(wǎng)首頁 >