卷积神经网络的发展极大促进了面部表情识别技术的进步,为解决实际应用中图像识别的准确率受图像像素限制的问题,从三方面对低像素人脸图像的表情识别进行研究。首先根据研究对象像素低、特征复杂的特点,提出了一种改进的卷积神经网络。其次对图像进行基本的预处理操作后,又增加了图像增强处理,作为改进卷积神经网络模型的输入。最后将模型的输出结果进行决策融合,得到最终的识别结果。实验表明,该方法在CK+数据集上取得了良好的效果,且识别准确率较高、效果稳定、泛化能力强。

在大视场交通监控摄像机的标定中, 由于不便于放置大尺寸标定靶标, 常采用交通标线构成的特定几何图形替代标定靶标, 但许多交通场景仅有一组平行的车道分界交通标线, 难以获得传统标定方法所需的标定约束条件。针对此类交通场景, 选取两平行交通标线和其中一条线上的三点作为标定参考物, 依靠其中一条线上三点在单幅图像中的像素坐标、三点间的两个距离值及平行线间距作为约束条件来完成摄像机的标定。建立了图像坐标系与世界坐标系之间新的换算关系, 推导出了摄像机内外参数的求解公式, 探讨了旋转角对测量误差的影响。实验结果表明, 在约束条件不足的情况下能够获得较好的摄像机参数近似解, 沿道路方向上的测距精度优于对比文献的结果, 具有标定参考物选取容易、操作简便、几何约束条件少等优点, 适用于交通监控系统中大视场摄像机的快速标定场合。