多功能图像/视频分析比对系统是一套可以和视频硬件无缝结合的计算机软件系统，它提供了强大的图像采集、编辑、标注、图像处理、分析和检索比对功能。不仅能处理静态图像—静态图像之间的检索、比对和分析；还能处理动态视频图像，动态视频和静态图像的检索、比对和分析。   具体功能包括： 1、各种图像视频设备的输入。系统兼容WDM采集卡，USB数字摄像头以及多种数码照相机和摄像机的视频采集。 2、强大的图像处理功能。包括了图像变换，图像色彩，图像增强和图像分析的基本算法和许多特色算法。 3、圆柱体表面的二元展开。 4、引入图像的编辑、标注、测量等对象，以对象作图层的形式存在于图像表面。 5、图像—图像/图像—视频相似度的检索，重影比对，切割对接，线条比对。 6、图像的分割线自动对接。 7、视频的RGB图像块分析。    技术创新： 1、圆柱体展开扩展为二元展开，即同时可以对目标物体的两个位置进行展开，用于生成圆柱体的平面展开； 2、图像—图像（或视频）的线条比对，用于图像和图像，图像与视频局部之间的精确比对； 3、图像—图像的分割线自动对接，能自动寻找定位图像最相似的部分； 4、视频块RGB分析，能对图像的颜色成分进行分析。 同类技术产品或成果比较： 目前市场上类似产品存在两方面问题： 1、功能单一。静态图像处理，视频图像处理，图像增强和变换等功能不能兼顾，往往某一方面全面而其他方面薄弱，不能满足用户的全方位要求。本产品则综合图像和视频处理的众多功能于一身。 2、个别处理功能薄弱，人工参与多。本产品的运动模糊复原和散焦模糊复原算法都是结合最新算法，效果较好。另外图像自动对接、自动比对等功能实现了自动化，减少了劳动强度。    能为产业解决的关键技术： 能与企业的视频采集系统相结合，完成全套的视频/图像分析和比对功能，完成众多图像处理功能并生成报告。    行业发展水平： 以丰富的图像处理功能和图像/视频比对功能为特色，在专业的图像处理系统中处于较领先水平。    项目主要应用范围： 应用于刑侦图像比对、档案文书的比对以及视频监控和分析的系统平台等。    预期效果： 实现以下模块功能： 1、各种图像视频设备的输入。系统兼容WDM采集卡，USB数字摄像头以及多种数码照相机和摄像机的视频采集。 2、强大的图像处理功能。包括了图像变换，图像色彩，图像增强和图像分析的基本算法和许多特色算法。 3、柱体表面的二元展开。 4、引入图像的编辑、标注、测量等对象，以对象作图层的形式存在于图像表面。 5、图像—图像/图像—视频相似度的检索，重影比对，切割对接，线条比对。 6、图像的分割线自动对接。 7、视频的RGB图像块分析。 可以独立制作系统平台也可植入现有的相关平台，预计创造产值50-300万元。

为提升拍摄的视频图像分辨率，增强图像对比度和清晰度，改善图像的画面质量，本项目综合考虑在设备进行拍摄过程中所遇到的器件性能、拍摄抖动、复杂天气影响等各种因素，以多帧超分辨率重建技术为核心，研发一种智能模糊图像处理软件系统。该系统针对不同的因素，自适应地实现相对应的图像优化处理，主要包括图像去雾、去噪、去模糊等图像增强处理，并结合多帧图像超分辨率重建和单帧图像超分辨率重建技术、稳定化等提升分辨率处理，以便获取更多细节信息。本软件所包含的主要功能详细介绍如下： 1、图像去雾功能

本发明公开了一种超声图像滤波方法，包括以下步骤：(1)对于 待滤波超声图像采用大津算法进行分割，得到二值图像；(2)对二值图 像，先进行腐蚀运算，后进行膨胀运算；(3)进行连通区域跟踪，对于 二值图像中的所有亮点，通过邻域搜索将其分隔为若干个独立连通区 域；(4)根据预设的阈值，保留超过阈值的独立连通区域作为目标区域； (5)将待滤波超声图像的目标区域作为滤波后的超声图像，其他区域置 为背景。本发明方法能够有效对超声图像进行滤波，剔除噪声，保持 原始数据的特征，并且目标不会发生任何的形变，同时，本方

研究团队多年来一直从事光机设计与图像检测技术研究以及相关仪器的开 发，已成功系统:1)开发公安技侦系统专用针孔无畸变系统 100°视场、针孔 直径 0.8mm、入瞳位于镜头前 2.5mm、畸变小于 1%高清针孔摄像系统;2)导引 头红外自动标定系统，实现±5°范围内目标源标定误差小于 3”;3)超低温卫 星外挂成像系统，该系统可在-90°环境下正常工作，直接裸露在卫星外面，无 需提供温度调控装置;4)生物菌落识别与自动筛选装置，系统利用自研专用镜 头对生物菌落样本成像，通过图像示教和处理分析技术，对

成果与项目的背景及主要用途： 人类通过视觉系统获取的信息占获取信息总量的 80%以上，如果说计算机相当于人类的大脑，那么图像传感器则相当于人类的眼睛。图像传感器作为图像信息获取最重要和最基本的技术在信息世界中将占据着极其重要的地位。半导体图像传感器相比传统的胶片成像具有可实时处理和显示、数字输出、便于储存和管理等诸多优势，正在迅速成为图像传感器发展的主导力量。CMOS 图像传感器相对于 CCD 图像传感器具有单片集成、低功耗、低成本、体积小、图像信息可随机读取等一系列优点。在手机拍照、PC 摄像、机器视觉、视频监控等诸多领域已经取代了 CCD 图像传感器。 技术原理与工艺流程简介： （1）时间延迟积分型 CMOS 图像传感器芯片通过 0.18µm 1P4M CMOS 工艺完成了对最高 128 级线阵长度为 1024 像素的TDI 型 CMOS 图像传感器芯片的设计、投片和测试工作。 （2）具有紧凑读出的多次积分动态范围扩展 CMOS 图像传感器提出了一种通过多次积分扩展动态范围的方法，采用紧凑读出方式，以降低对对读出电路的工作速度要求。成功流片 128×128 阵列原型，动态范围可以扩展39dB,像素读出时间相对于滚筒是曝光增加了 3 倍。 应用前景分析及效益预测： 该领域开始向着高清专业摄像、高精度工业和医疗成像、抗辐射太空成像等专业高端领域迈进。CCD 传感器的衰退之势难以挽回，CMOS 将在未来几年保持优势地位。2015 年，CMOS 出货量将达到 36 亿个，份额达 97%；而 CCD 出货量将下降到只有 9520 万个，占 3%份额。 应用领域： CMOS 图像传感器广泛应用于消费类、工业和科技等各个领域。民用领域：拍照手机、数码相机、可视门镜、摄像机、汽车防盗等；工业领域：生产监控、安全监控等。 技术转化条件： 四十平方米以上的办公用房，电脑、工作站若干，相应软件。也可以和 RFID天线制造单位，卡片封装单位共同合作。 合作方式及条件：根据具体情况面议

本项目检测系统通过高帧频面阵相机动态实时采集纱线图像，配合鲁棒性图像处理与参数检测算法，实现对纱线条干均匀度的全面评价，建立电子黑板和电子织物构建模型，实现纱线条干均匀性的可视化，预测纱线条干在黑板和织物中的外观效应。该项目同时可用于纱疵分类、竹节纱参数检测以及纱线等级预测评定。 关键技术 （1）纱线传动控制各单元的协调与配合：包括传动装置与采集设备各组件的配合设计，纱管退绕装置与主动轮连轴传动时的张力控制，运行中纱线的抖动和跳动问题，暗箱、相机镜头和光源位置的优化调整以及纱线速度、光源亮度与相机帧频、曝光时间的配合问题。 （2）基于 C++与 Opencv 的多线程实时处理框架的搭建，在纱线图像采集的过程中，实现图像的边采集边处理，提高系统的实时性，缩短检测所用时间，杜绝纱线信息丢失现象，从根本解决纱线图像高速检测的问题。 （3）鲁棒性纱线图像处理算法的研发：包括配合实时检测的纱线图像分割算法的研发，相邻图像间重合部位查找算法的研发以及纱线图像可视化模块电子黑板构建算法和电子织物仿真算法的研发。 知识产权及项目获奖情况 已授权发明专利 2 项。发表相关 SCI 论文 6 篇，EI 论文 4 篇 项目成熟度 采用图像式纱线条干检测系统已对多种类型的纱线进行检测，并将检测结果与成熟的仪器和人工结果进行了对比，无论在段片段不匀、周期性不匀，还是相关性分析和长片段不匀方面，该检测系统都可获得与成熟仪器较为一致的结果。 

产品详细介绍上海景瑞全自动录播系统使用混合定位,其中： 老师：图像跟踪定位 学生：声音跟踪定位 通过图像分析确定老师的位置，实现定位。特点： 1. 通过判断老师的走动速度，自动调节云台摄像机的转动速度，画面平滑无抖动； 2. 通过老师的手势识别，判断是否在板书，给予板书特写； 声音定位： 不同于图像定位是基于身高的判断，声音定位可以更准确定位学生位置： 1. 适用于任何场景，它可以在学生不起立、全起立、阶梯教室等开放的场景下准确定位发言学生的位置，快速给予学生特写镜头； 2. 美观简洁：图像识别需要在教室四周部署多个辅助摄像头，而声音识无需部署任何辅助摄像头，教室整体美观简洁。

功能特性 　　以自动识别目标位置、并动态控制摄像头跟踪拍摄，实现教师跟踪、板书定位、试验台定位、确保教师和板书特写画面、以及试验台操作画面以及教师在课室范围内任意位置准确、实时拍摄。 　　一体化硬件设计， 设备高度 1U，稳定可靠，采用图像识别技术跟踪； 　　支持多路摄像的跟踪定位拍摄，分别对应教师区、学生区以及板书区；支持阶梯教室跟踪，不会因为前后座位高度的差异导致跟踪混乱。 　　为了满足不了用户对教师特写镜头的需求，图像跟踪系统支持跟拍和切换两种模式可选。 　　利用先进的图像识别技术，系统能判断教师的肢体动作，精确识别教师位置，使教师景位更稳定，不会随教师肢体动作晃动。 　　教学行为数据采集功能，可以自动采集教师的教学模式数据、讲课时长、师生活跃度数据等。 教师身份认证 　　系统支持通过人脸识别技术自动判断教师身份，包含教师姓名、所在班级、学科等，便于快速完善课程信息。北京文香人脸识别技术采用先进的“深度学习”算法，准确率达到99%。所获得信息与校级资源管理平台进行无缝对接，课程录制上传到资源平台的视频可根据课程信息自动进行分类存储。 学生行为分析 　　学生区巡视功能，目前市场上存在的跟踪系统均是对教师，学生，板书跟踪策略的定义，而针对教研有时我们还需要了解上课过程中学生们具体的表现北京文香所研发的学生区巡视功能正是为了满足这种需求学生区视功能是通过架设台学生云台摄像机， 此摄像机通过图像跟踪体机的设置，不断的对学生区各个学生进行特写扫描并同时录制成1080P高清视频文件。通过图像跟踪体机的模式检测功能，可以设置学生巡检区以及巡检策略。 　　在使用资源管理平台点播功能时，点击正在播放视频内部的悬浮框之中的学生义视按钮，可打开学生选视的高湾视质在观看教师上课的同时，了解学生听的实时动态，对后期教学评课具有重大意义。 产品

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：