关键词： 公交客流统计   目标检测   目标跟踪   YOLOv5   DeepSORT  

摘要： 针对公交客流统计现阶段存在的问题,即客流统计的准确率以及效率、目标易被遮挡、误检、漏检等,基于公交车内的实时监控视频数据,提出一种基于YOLOv5目标检测算法结合DeepSORT多目标跟踪算法的公交客流统计系统。首先选用基于对人体头部特征的检测及跟踪的方法,统计和筛选了不同时间段、不同天气、不同光照强度下的视频数据以确保数据的多样性和代表性,通过AutoLabelImg半自动化标注工具对人体的头部进行标注。通过YOLOv5算法可以得到目标物的检测框和置信度,DeepSORT算法可以得到目标物的ID,解决了上下客重识别的问题。最后通过点过线计数法完成对目标物的计数。经实验测试,所提出的公交客流统计系统在检测精度达到了95%,召回率也达到了94%,mAP_0.5值达到了0.97,大大地提高了客流统计精度。

关键词： 深度学习   目标检测   YOLOv8   渔船识别   进出港统计   伏渔季管理  

摘要： 为减轻渔港执法人员在渔船进出港统计工作中的压力,提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标检测准确性和稳定性,并结合BoT-SORT跟踪算法实现对不同类型船舶进出渔港的分类统计。结果表明:与YOLOv8n模型相比,YOLOv8n-Bi-FPN-EMA模型的准确率提高了5.0%,mAP@0.5提高了0.2%,对执法船、拖船和渔船的识别准确率分别提高了9.9%、4.9%、0.3%。其中,对渔船的识别准确率为99.1%,召回率为84.4%,mAP@0.5为97.8%。研究表明,YOLOv8n-Bi-FPN-EMA模型在渔船识别上有较好的表现,可用于渔船识别与进出港统计的辅助工作。

关键词： CCD传感器   自动识别   循迹  

摘要： 随着科技革命和产业变革的蓬勃发展,汽车智能化成为一种发展趋势。其中,道路自动识别是汽车智能化的重要特征,是当前的研究热点。基于此,以TSL1401型CCD和STC16F40K128单片机为目标系统,将图像数据处理技术应用于四轮小车的寻迹行驶,并以一套模拟道路验证系统的道路自动识别和轨迹引导功能。实验结果表明,四轮小车能够识别环岛、十字路口、三角路口等情况,识别结果能够引导小车快速运行。

关键词： 多光谱   目标检测   特征提取   深度学习   图像融合  

摘要： 多光谱目标检测技术是一种利用不同波长光谱的信息来检测和识别目标的方法。该技术结合了可见光、红外、热成像等不同光谱的数据,通过融合多光谱数据来提高目标检测的精确度和鲁棒性。在低光或其他具有挑战性的环境中,多光谱目标检测表现出优越的性能。该技术在夜视监控、气象观测、农业、环境监测等领域有着广泛的应用。本文首先介绍了多光谱图像的定义、获取方式及常用数据集;其次,介绍了多光谱目标检测算法的分类并给出相关算法示例;再次,介绍了多光谱目标检测的应用,重点讨论了多光谱目标检测在行人检测、农业、环境监测等领域的具体应用案例;最后,探讨了多光谱目标检测未来的发展方向。

关键词： 多机协同   雷达探测   目标跟踪   贝叶斯克拉美罗下界  

摘要： 推导了目标跟踪距离向贝叶斯克拉美罗下界(BCRLB)的表达式,将距离向BCRLB作为目标跟踪性能的量化指标。针对双机目标跟踪场景,采用交互多模型卡尔曼滤波,提出了基于距离向贝叶斯克拉美罗下界的加权融合算法。仿真实验表明,该算法的目标跟踪航迹与真实航迹贴合较好,跟踪过程中均方根误差能快速收敛到一个稳定的值,相比基于信噪比加权融合的目标跟踪算法,该算法的目标跟踪精度更高。

关键词： 深度学习   口罩佩戴   目标检测   Flask框架  

摘要： 针对医院人流量大、检测时间短、干扰因素多的特点,对医院口罩佩戴检测系统的设计进行了研究。制作医院口罩佩戴检测数据集,利用LabelImg工具对口罩佩戴的位置和类别进行标注。为了减少光照对检测性能的影响,对图像进行白化处理。选择YOLOv5模型进行检测,将迭代次数设置为不同的值,训练模型并比较评价指标值,找到合适的迭代次数。构建基于Flask和ECharts的展示页面,实现了对医院视频监控画面的实时检测,减少了误检和漏检,节省了人力物力。

关键词： 茶树病害   YOLOv7-tiny   自然环境   目标检测  

摘要： 茶树病害对茶树种植业和相关行业的影响极为严重。在动态而复杂的茶园环境中检测疾病的传统方法效率低下,检测效果不尽人意。本研究提出一种基于YOLOv7-tiny的模型,增强了茶树病害的细微检测能力。通过整合CoordConv和ECA信道关注机制,本模型在卷积特征图中实现了更高的空间识别能力,并降低了背景噪声对特征识别的影响。进一步的改进包括采用归一化瓦瑟斯坦距离度量和去耦头,以提高对小病斑的检测能力。使用K-means算法根据茶树病斑的特殊性生成了新的锚框,提高了模型的精确性和通用性。对比分析表明,该模型优于现有模型FasterR-CNN、 SSD、 YOLOv5s、 YOLO-Tea、 YOLOv7-tiny和YOLOv7,平均精确度提高5.39个百分点,达到了93%。改进后的模型可应用于茶树病害监测。

关键词： 水下目标检测   频域注意力   离散余弦变换(DCT)  

摘要： 针对水下目标检测过程中由于水下成像模糊、目标物与背景对比度低等原因导致的水下图像特征提取与目标理解困难的问题,本文提出了一种基于频域注意力的水下目标检测算法。该方法首先将训练集图像变换到频域,并使用低频特征引导组件(low frequency feature guiding suite,LFGS)计算频率分量,然后该分量将作为参数被应用到低频特征提取模块(low frequency feature extraction model,LFM)来更好地提取图像的低频特征,融合了图像低频信息的特征经过进一步特征提取生成高层特征,最后将高层特征输入到检测头中进行检测。在URPC2021数据集上进行验证,平均精度均值达到了83.35%,验证了本文方法的有效性。

关键词： 脉组捷变频   快起伏   非相参积累   积累损失   杂波抑制  

摘要： 脉组捷变频雷达不同脉组之间信号不相关,且信噪比起伏严重,为目标检测带来很大难度。鉴于此,提出了一种脉组捷变频雷达目标检测方法,首先通过快起伏信号积累损失曲线来确定最优的捷变频脉组个数及各脉组内部的脉冲个数;其次根据不同脉组杂波谱宽的变化设计与之匹配的MTD滤波器,对各脉组进行脉冲压缩及MTD处理;最后通过将多普勒域和速度域之间的映射关系将捷变频各脉组相同速度通道的数据进行积累,完成后续目标检测。仿真实验表明,该方法在兼顾杂波抑制的同时还可以提高雷达的检测性能,具有一定的优越性。

关键词： 智能交通   路侧感知   目标跟踪   卡尔曼滤波   高精度地图   极化图  

摘要： 在车路协同路侧感知研究中,由于点云数据量庞大且存在着不可避免的目标遮挡情况,导致检测效率低、目标轨迹不稳定和跟踪精度低的问题。针对上述问题,提出了1种融合高精度地图的多激光雷达路侧智能感知方法,通过融合高精度地图信息,提高感知结果的准确性和可靠性。该方法分为3个部分:①通过多激光雷达的标定结果,利用高精度地图完成三维点云区域中感兴趣区域的提取,从而有效减少待处理点云的数量,提升计算效率;②基于极化图高斯混合背景模型的背景建模方法,利用极化图完成运动目标快速检测,避免大规模激光点云的直接处理,有效提升检测效率;③利用车辆航向与车道线方向一致性约束,将高精度地图中的车道方向转化为卡尔曼滤波框架下的车辆状态线性约束,改善车辆检测与轨迹跟踪的性能。实验中,分别在仿真交叉路口与实车实验道路双T形路口对算法与模型进行测试验证。相比于其他方法,所提出的方法数据量减少了55%,目标检测准确率提高了12%,耗时减少了56%,目标跟踪的误差极值、误差均值以及均方根误差均有所降低。实验结果表明:所提的方法能有效融合高精度地图信息,在大范围道路场景下实现对道路运动目标的快速检测与稳定跟踪。