摄像头屏蔽器阻止大型数据收集
如今，必须满足最高质量标准的印刷产品（例如纸币、邮票或凭证）均由光学检查系统自动检查。通常，检查印刷品或安全特征的精细细节需要从不同角度拍摄具有不同光谱灵敏度（可见光、红外、紫外）且具有高分辨率的图像。因此，检查系统配备了多个摄像头，并且必须应对实时处理的巨大数据速率。因此，希望将图像处理任务转移到相机中，以减少必须传输到（中央）图像干扰器处理系统的数据量。
这个想法是仅传输相关信息，即监控图像的特征，而不是来自传感器的原始图像数据。然后进一步处理这些特征。本文介绍了一种线速高达 100 kHz 的彩色线扫描相机。该相机基于商用 CMOS（互补金属氧化物半导体）区域图像传感器和现场可编程门阵列 (FPGA)。它实现了图像特征的提取，非常适合检测印刷缺陷，如墨斑、颜色污点、飞溅、斑点和划痕。描述了相机设计和在 FPGA 上实现的几种图像处理方法，包括平场校正、几何畸变补偿、颜色变换以及抽取和邻域运算。车辆重新识别 (reID) 通常需要在多摄像头捕获的大型数据集中识别目标车辆。它在日益增多的城市监控视频屏蔽器的自动分析中发挥着重要作用，成为近年来的热门话题。
然而，车辆监控摄像头图像的外观很容易受到各种光照、不同背景和视点的环境影响，导致不同相机之间存在较大偏差。为了解决这个问题，本文提出了一种跨相机适应框架（CCA），它通过利用所有样本相机之间的公共空间来平滑偏差。 CCA首先将多摄像头的图像传输到一台摄像头，以减少光照和分辨率的影响，从而生成具有相似分布的样本。然后，为了消除背景的影响并专注于有价值的部分，我们提出了一种注意力对齐网络（AANet）来学习车辆重新识别的强大特征。特别是，在 AANet 中，引入了带有注意力模块的空间转移网络，以定位一系列具有高注意力权重的最具辨别力的区域并抑制背景。此外，全面的实验结果表明，我们提出的CCA可以在基准干扰屏蔽器数据集VehicleID和VeRi-776上取得优异的性能。
这个想法是仅传输相关信息，即监控图像的特征，而不是来自传感器的原始图像数据。然后进一步处理这些特征。本文介绍了一种线速高达 100 kHz 的彩色线扫描相机。该相机基于商用 CMOS（互补金属氧化物半导体）区域图像传感器和现场可编程门阵列 (FPGA)。它实现了图像特征的提取，非常适合检测印刷缺陷，如墨斑、颜色污点、飞溅、斑点和划痕。描述了相机设计和在 FPGA 上实现的几种图像处理方法，包括平场校正、几何畸变补偿、颜色变换以及抽取和邻域运算。车辆重新识别 (reID) 通常需要在多摄像头捕获的大型数据集中识别目标车辆。它在日益增多的城市监控视频屏蔽器的自动分析中发挥着重要作用，成为近年来的热门话题。
然而，车辆监控摄像头图像的外观很容易受到各种光照、不同背景和视点的环境影响，导致不同相机之间存在较大偏差。为了解决这个问题，本文提出了一种跨相机适应框架（CCA），它通过利用所有样本相机之间的公共空间来平滑偏差。 CCA首先将多摄像头的图像传输到一台摄像头，以减少光照和分辨率的影响，从而生成具有相似分布的样本。然后，为了消除背景的影响并专注于有价值的部分，我们提出了一种注意力对齐网络（AANet）来学习车辆重新识别的强大特征。特别是，在 AANet 中，引入了带有注意力模块的空间转移网络，以定位一系列具有高注意力权重的最具辨别力的区域并抑制背景。此外，全面的实验结果表明，我们提出的CCA可以在基准干扰屏蔽器数据集VehicleID和VeRi-776上取得优异的性能。
