[1] 赵乾,赵硕伟. 基于计算机视觉的药片实时检测系统[J]. 机械与电子, 2018,36(3):49-51.
[2] 张晴,李云,李文举,等. 融合深度特征和多核增强学习的显著目标检测[J]. 中国图象图形学报, 2019,24(7):1096-1105.
[3] 王一冰. 基于机器视觉的玻璃瓶缺陷检测与抓取系统研究[D]. 长春:长春工业大学, 2016.
[4] 韩萍,宋厅华. 区域筛选与多级特征判别相结合的PolSAR图像飞机目标检测[J]. 中国图象图形学报, 2019,24(7):1197-1206.
[5] 郭海涛. 基于图像识别技术的区域交通拥堵状态判别研究[J]. 信息记录材料, 2019,20(1):74-76.
[6] 周波,李俊峰. 结合目标检测的人体行为识别[J/OL]. 自动化学报, [2019-07-27]. http://kns.cnki.net/kcms/detail/Detail.aspx?dbname=CAPJLAST&filename=MOTO20190701001&v=.
[7] 王文豪,周泓,严云洋. 一种基于连通区域的轮廓提取方法[J]. 计算机工程与科学, 2011,33(6):67-71.
[8] 邓剑勋. 关于计算机视觉实时图像系统处理检测系统的设计与研究[J]. 信息系统工程, 2017(11):157.
[9] 李炜. 基于图像处理的道路拥堵快速检测研究[J]. 山东交通学院学报, 2015,23(2):11-16.
[10]TANAKA K, NAGATANI T, HANAURA H. Traffic congestion and dispersion in hurricane evacuation[J]. Physica A: Statistical Mechanics and Its Applications, 2007,376:617-627.
[11]ZIVKOVIC Z, FERDINAND V D H. Efficient adaptive density estimation per image pixel for the task of background subtraction[J]. Pattern Recognition Letters, 2006,27(7):773-780.
[12]徐冬,杨荃,王晓晨,等. 基于机器视觉的热轧中间坯镰刀弯在线检测系统[J]. 中南大学学报(自然科学版), 2018,49(7):1657-1666.
[13]宛丽娟. 玻璃瑕疵在线检测关键技术研究及系统实现[D]. 秦皇岛:燕山大学, 2017.
[14]尹晓东. 基于计算机视觉检测技术的机加工零件测量研究[D]. 武汉:湖北工业大学, 2017.
[15]韦富余. 基于机器视觉的零件在线检测系统研究[D]. 扬州:扬州大学, 2017.
[16]付熊. 基于机器视觉的交通拥堵及运动目标检测[D]. 广州:华南理工大学, 2016.
[17]叶锋,廖茜,林萧,等. 基于机器视觉的交通拥堵评估系统[J]. 计算机系统应用, 2017,26(7):78-83.
[18]李阳,王璞,刘扬,等. 基于显著图的弱监督实时目标检测[J/OL].自动化学报, 2019,[2019-07-27]. https://doi.org/10.16383/j.aas.c180789.
[19]MACKWORTH A K. Interpreting pictures of polyhedral scenes[C]// Proceedings of the 3rd International Joint Conference on Artificial Intelligence. 1973:121-137.
[20]YANG S M, CHO M H, LI H Y, et al. Weld line detection and process control for welding automation[J]. Measurement Science and Technology, 2007,18(3):819-826.
[21]王磊. 计算机视觉在船舶焊缝缺陷识别的应用[J]. 舰船科学技术, 2018,40(8):196-198.
[22]郭帅. 基于视觉计算的图像目标检测与分析[D]. 北京:北京邮电大学, 2019.
[23]寇中元,应捷. 基于深度图像的行人目标检测及轮廓提取算法研究[J]. 软件导刊, 2017,16(8):39-42.
[24]李牧子. 基于图像识别的目标检测与跟踪系统的设计与实现[D]. 北京:北京邮电大学, 2019. |