关键词： 跌倒检测技术   计算机视觉   智能化   老年人跌倒  

摘要： 随着我国老龄人口数量的快速上升,由此带来的跌倒问题日益凸显,针对现有国内外跌倒检测系统存在的局限性,该文提出了一种新的跌倒检测方案,对该系统的工作原理和关键技术进行了详细阐述,为老年人日常生活安全提供了一种有效的解决方案。 该系统结合手机上的惯性传感器和视觉追踪技术,能够实时监测老年人的运动状态,及时检测并预警跌倒事件。相比于现有的穿戴式设备和基于视觉的方法,该系统兼具高精度、低成本、广覆盖等优势,能够更好地满足老年人跌倒检测的实际需求。

关键词： YOLOv8   轻量化网络   无人机图像目标检测  

摘要： 文章提出了一种基于YOLOv8的轻量化无人机图像目标检测算法,通过深度可分离卷积、改进的特征金字塔网络(Feature Pyramid Networks,FPN)和广义加权交并比(Generalized Weighted IoU,GWIo U)损失函数优化,显著降低了模型计算的复杂度和参数量,同时提升了检测精度。实验表明,轻量化YOLOv8在Vis Drone2019和DOTA数据集上保持高精度的同时显著加快了推理速度,适合计算资源受限的嵌入式设备部署。

关键词： 文字位置检测   形态学   区域提取   Halcon   图像处理  

摘要： 当前识别文字位置的主流算法为CTPN文字识别算法,但在Halcon图像处理的过程中由于软件编程能力的限制,难以通过Halcon直接实现CTPN算法,文中提出了一种完全基于形态学的文字位置识别算法。首先通过动态阈值法处理图像,经过形态学筛选后对筛选出的部分进行区域填充,将区域填充前后面积进行对比,最后根据比值得出文字部分的位置。本方法完全基于图像的形态学,可直接适用于所有图像处理软件。经试验共检测图像1000张,准确检测出998张,检测精度为99.8%。完全基于形态学识别文字位置的方法对文字位置检测有着重要的意义,避免了图像处理软件在编程方面的局限性而难以检测文字位置的问题,有助于软件实现批量化、自动化的文字位置检测。

关键词： 可变形大核卷积   多尺度特征融合去雾   雾天检测   注意力机制  

摘要： 面对雾天天气下,目标检测网络精度不高,鲁棒性差等问题,本文提出了一种结合多尺度特征融合去雾算法的可变形大核卷积雾天目标检测网络。雾天目标网络基于YOLOv8改进,骨干网络添加特征融合去雾模块(Feature Fusion Dehazing Module,FFDM),颈部网络引入可变形大核卷积注意力构造新的特征融合网络可变大卷积核特征金字塔(Deformable Large Convolution Feature Pyramid,DL-FPN),有效去雾的同时增强了目标检测网络对不规则目标和远小目标的网络检测能力。为了验证实验结果的有效性,本文在真实雾天数据集上进行了一系列实验,实验结果表明,与其他方法相比,本文的方法可以获得更高的检测精度。

关键词： 机电工程   目标检测   注意力机制   炸药装填   炮孔识别  

摘要： 为了实现工程爆破中炸药的自动装填,现针对炮孔检测这一前置任务进行研究。由于实际工程中存在炮孔形状各异、碎石多、检测背景复杂等问题,导致检测过程中易出现遗漏和误判,因此,基于YOLOv8进行了改进,并提出了一种更高效的炮孔检测方法CE-YOLOv8。首先,将骨干网络中的C2f模块替换成C2f_DCN模块,增加了网络的空间变形适应性,从而能更准确地提取到炮孔特征,提高炮孔的检测精度。其次,在YOLOv8特征提取网络中加入改进C-CBAM注意力机制,对CBAM注意力机制的输入特征进行分组,并增加一个并行分支实现多尺度特征处理,最后通过跨空间学习模块将信息进行融合,提升模型的感受野和表征能力。最后,引入了E-IOU作为评估锚定框相互关系的计算方法,克服了传统IOU在梯度传递方面的缺陷,加快了网络的收敛。实验结果表明:改进后的模型对炮孔具有较好的识别效果,其中平均检测精度提升至98.6%,精确度和召回率分别达到95.7%和96.1%。改进的方法在爆破工程中识别炮孔从而实现智能化炸药装填具有较广泛的应用前景。

关键词： 无人机影像   数字正射影像图(DOM)   数字表面模型(DSM)   YOLOv5模型   目标检测  

摘要： 本文针对道路建设迅速推进,道路场景地物目标检测效率低、精度低等问题,提出一种基于改进YOLOv5模型的道路场景地物目标检测和尺寸测量方法。针对检测效率低问题,本文利用无人机采集道路场景地物数据;针对目标检测精度低问题,通过在Backbone主干网络中C3模块中增加卷积块注意力模块(CBAM)注意力机制、增加P2小目标检测头和改进损失函数SIoU来改进YOLOv5模型,提高精度。最后,利用数字正射影像图(DOM)和数字表面模型(DSM)进行道路场景地物尺寸测量。实验结果表明:利用改进YOLOv5模型对道路地物进行检测,Precision、Recall、mAP@0.5和mAP@0.5:0.95分别比YOLOv5模型算法提高了1.7%、7.5%、6.5%和4.2%,分别达到了85.9%、90.0%、90.3%和52.1%,有效提高了地物目标检测精度;利用DSM进行道路场景地物尺寸测量也达到很好效果。

关键词： 计算机视觉   车道线检测   卷积神经网络   深度学习  

摘要： 自动驾驶技术的不断发展使得车道线检测的市场需求快速增长。为满足准确高效的车道线检测技术需求,本文开发了一种高效的检测方法。该方法采用卷积神经网络对道路图像进行特征学习和提取,并结合后处理技术进行车道线的精细化检测和分割。实验结果表明,该方法具有较高的准确率和鲁棒性,能够有效地检测和分割车道线,可为自动驾驶技术的发展提供重要支持。

关键词： 肺结节   深度可分离卷积神经网络   注意力机制   特征金字塔   目标检测  

摘要： 针对肺部CT图像结节特征不明确和检测困难的问题,提出一种高效注意力特征金字塔网络。首先,该网络以多尺度特征融合的特征金字塔为主干网络,保留丰富的低层特征和高层特征,同时采用深度可分离卷积神经网络提取特征信息;然后,将注意力机制融入主干网络中,对重要特征信息进行加权处理;最后,将所提算法应用在Lung-PET-CT-Dx和Luna16数据集中。实验结果表明,本文算法的精度、召回率和mAP值均优于现有对比算法,证明本文算法在肺结节检测的优越性。

关键词： 人工智能   虚拟试衣   计算机视觉   3D建模   服装仿真  

摘要： 随着电子商务和数字化技术的发展,服装虚拟试衣技术成为时尚行业的重要创新手段。文章围绕人工智能辅助下的服装虚拟试衣技术展开研究,系统分析了虚拟试衣的基本原理及其面临的挑战,重点探讨了人工智能技术在人体识别、3D人体重建、服装仿真及纹理映射等方面的应用。通过构建虚拟试衣系统的架构,实现了从数据采集到服装试穿效果呈现的完整流程,以期为未来虚拟试衣技术的发展提供技术参考和创新思路。

关键词： 桥梁工程   索力测量系统   计算机视觉   直线检测   无靶标识别  

摘要： 拉索是斜拉桥的关键承载构件,其受力状态是评估桥梁安全状态的重要指标,准确测量拉索索力是保障桥梁结构安全的重要环节.基于此,建立一套可实现远距离、无靶标、高精度的斜拉索索力识别系统.该系统利用改进的直线检测(Line Segment Detector,LSD)算法对拉索进行追踪,从而识别拉索的振动信息;再通过模态分解(VMD)离散出斜拉索的有效振动信号,得到斜拉索的频率信息;最后利用振动频率法,从斜拉索的频率信息来估算出斜拉索的索力.在实验室条件下对长细比较大、像素占比较少的钢尺模型以及在大跨度斜拉桥上对斜拉索索力进行识别对比,确定了改进的LSD算法以及该系统对索力识别的精确性及鲁棒性.在钢尺模型试验中,改进的LSD算法识别到的钢尺振动信息与激光位移计对比误差仅为0.63%;在大跨度斜拉桥上的试验中,该系统识别到斜拉索的索力与接触式传感器对比误差小于3.0%.以上两个试验结果表明,本文提出的系统能够在复杂的实际工程现场环境中对斜拉索索力进行高精度识别.