关键词： 人工智能   图像处理   人脸识别   LBFH分类器   树莓派4B  

摘要： 人工智能的快速发展使得图像处理技术扮演着越来越重要的角色,其人脸识别算法的应用也越来越广泛。本文结合OpenCV计算机视觉库,首先介绍3种经典的通用人脸识别算法,即基于LBFH分类器人脸识别算法、基于特征脸EigenFace分类器人脸识别算法、基于鱼脸特征FisherFace分类器人脸识别算法;并在树莓派4B硬件的基础上,使用基于LBPH人脸识别方法,搭建能够快速进行追踪识别的人脸识别系统,为识别准确率要求不高的场景提供一种技术方案。

关键词： 目标跟踪   异轨多星座   空间侦察   定位   多体制  

摘要： 空间侦察具有覆盖范围广、速度快、效率高等特点,且不受边界和天气条件的限制,可对目标实现长时间、大范围的侦察监视,是远海态势感知的重要手段。异轨多星座侦察卫星具备对目标的持续侦察能力。分析现有目标跟踪手段存在的不足,提出异轨多星座侦察目标跟踪流程,进一步分析异轨多星座侦察目标跟踪面临的问题,提出异轨多星座多体制侦察融合定位方法。仿真结果表明,该方法有效提升定位精度和航迹维持率,可作为工程应用的技术参考。

关键词： 滤波器   目标跟踪   算法  

摘要： 针对目标跟踪中的目标运动模糊、光照变化、尺度变化等多种因素影响所造成的跟踪目标丢失的问题,采用复合相关滤波器实现目标跟踪.利用位置相关滤波器估计目标位置;利用尺度相关滤波器估计目标尺度;在线更新两种滤波器以适应跟踪中的目标位置、表征变化.通过OTB2015数据集对算法进行验证,该算法准确度达到74.5%,成功率达到63%,跟踪速度达到165fps.实验表明,该算法可对目标运动模糊、光照变化、尺度变化序列中的目标进行有效跟踪,在多个指标上优于其他多个比较算法.

关键词： 低照度图像增强   HSV颜色空间   卷积神经网络   计算机视觉   正则化  

摘要： 为改善恶劣情况下低照度图像亮度不均匀、细节信息丢失等问题,将传统的红、绿、蓝(RGB)颜色空间转换到色调、饱和度、亮度(HSV)颜色空间,通过HSV颜色空间进行分量提取和图像增强。利用特征提取网络和纹理细化网络构建级联卷积神经网络,并与视觉感官色彩空间相结合,进行低照度图像的增强。采用正则化缓解模型的过拟合现象,并通过仿真实验对比验证了该模型在低照度图像上的增强效果,亮度、对比度、饱和度以及色调方面均表现出良好的增强效果。模型在RELLISUR数据集和Exclusive-Dark数据集上的峰值信噪比分别为24.32和26.70,结构相似度分别为0.97和0.96,对比度分别为9.12和8.89,在两个数据集上的运算时间分别为1.33 s和1.38 s。除运算时间方面较为落后外,其余指标均为最优值,并且结构相似度最接近于1,表明该模型能够有效还原图像细节信息,具有良好的科学性与实用性。

关键词： 深度学习   目标检测   遥感图像   多尺度特征融合  

摘要： 针对遥感图像背景复杂、特征冲突以及目标尺度多变等问题,以YOLOv8s为基线模型,提出一种基于多尺度特征融合的遥感图像目标检测方法。将RepVGG网络作为模型的特征提取网络,提高模型的特征提取能力,有效实现全局语义信息的捕获;在颈部网络提出了一种三极综合性融合模块(tripolar integrative fusion,TIF),通过位置信息和语义信息的有效融合,提高对各个尺度目标的检测精度;将SlideLoss滑动损失函数作为模型的分类损失函数,增强模型对困难目标的检测能力,从而提高目标检测的准确性。实验结果表明,改进后的模型在NWPU VHR-10、RSOD和UCAS-AOD数据集上分别取得了94.4%、93.0%和95.5%的检测精度,相较基线模型分别提升了5.1、6.0、4.4个百分点,在准确性方面优于其他方法,能更好地完成遥感图像目标检测任务。

关键词： 无锚框目标检测器   特征融合   伪标签   双分支处理策略   半监督学习   半监督目标检测  

摘要： 在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文提出了一种基于优化Dense Teacher的半监督目标检测算法。首先,通过设计通道信息增强的特征金字塔(CIE-FPN),优化了特征图的感受野和特征融合,旨在捕获更丰富的全局特征信息。其次,采用伪标签双分支处理策略,以解决分类与检测任务在伪标签需求上的不一致性,从而提高伪标签的可靠性。实验结果表明,在COCO数据集仅使用10%有标注数据的条件下,与基线网络Dense Teacher相比,提出的改进算法在提升无锚框半监督目标检测性能方面取得了明显效果。

关键词： 钢索损伤   目标检测   中心化特征金字塔   轴向注意力  

摘要： 工业场景中,基于视觉图像的钢索表面损伤实时检测预警存在许多挑战,如特征提取难度大、存在漏检误检、难以满足实时性要求等。为此,提出了一种基于多通道轴向注意力的钢索损伤视觉检测方法。首先,根据钢索的形态学特点提出了一种多通道轴向注意力机制,以更高效地提取和关注更加关键的钢索轴向区域特征信息;然后,通过中心化特征金字塔模块进行多尺度融合,提取不同尺度的特征信息;最后,将轻量化的MobileNetV3特征提取网络与无锚框检测头相结合,兼顾了检测速度与精度。在钢索损伤可见光图像数据集上开展的实验结果表明:该方法相较于常用目标检测的最佳算法提高了1.99%的准确率,能够更好地检测钢索表面的损伤。

关键词： 交通信号灯   目标检测   SVDD   YOLOv8   EIoU  

摘要： 为提升交通信号灯的检测精度和识别准确率,文章提出基于YOLOv8的SVDD-YOLOv8目标检测方法,该方法通过整合全局注意力机制(GAM)和支持向量数据描述(SVDD)分类模块,强化特征捕捉并二次确认目标,同时引入EIoU损失函数提高定位精度。对SVDD别出的异常区域进行再训练,提升模型性能。实验显示,该方法较YOLOv8在检测精度和mAP@0.5上分别提升7.75%和8.99%,证明了该方法在提高交通信号灯检测精度和抗干扰能力上的有效性。

关键词： 海域环境   环境感知   计算机视觉   图像处理   深度学习  

摘要： 环境感知是海上目标智能化监测的核心技术,广泛应用于军事与工业领域。深度学习为环境感知研究带来新活力,但目前该领域缺乏全面性的综述。从深度学习、环境感知与视觉方法的交叉点出发,将环境感知系统分为信息采集、信息融合、信息处理和信息传输四个模块。在此基础上,针对海域环境数据生成、海域目标检测识别与海陆岸线分割三个方面应用,从传统方法、卷积神经网络方法以及Transformer方法三方面系统梳理了海域环境信息的多种视觉处理方法,介绍了每种方法存在的问题及最新研究工作,并横向与纵向对比了不同方法的优缺点。最后,结合最新研究工作探讨了该领域的研究趋势。随着现代智能算法的进步,应用深度学习进行视觉感知能大大简化设备开发的进程和结构,能直观地感知周围海域目标;随着时间的推移,感知系统的提升也将主要集中在智能化、平台化和集成化方面。

关键词： 图像处理   特征点匹配   SURF算法   KD-Tree   三维重建  

摘要： 为了提升图像在三维重建过程中特征点匹配时的准确率,提出了一种基于改进SURF(speeded-up robust features)的图像特征点匹配算法。首先,将SURF的64维度描述符提升至128维度;其次,在SURF算法引入KD-Tree模块,利用BBF(best bin first)最近邻查询机制实现特征点匹配;最后,通过对同一数据集进行旋转、缩小,并利用传统算法和改进SURF算法分别对图像进行特征点匹配实验,验证改进SURF算法的有效性。结果表明:改进SURF算法的特征点匹配正确率达到了89.19%,相较于传统SURF算法提高了17.62个百分点;特征错误匹配数由85减少至31,显著降低了特征点的匹配误差;运行时间由1.956 s缩短至1.647 s,进一步提升了算法的运行速度。改进后的SURF算法具备正确率高、误差小、速度快的特点,可为三维重建特征匹配工作提供重要的参考。