关键词： 计算机视觉   相机标定   灰狼算法   遗传算法   维度学习   重投影误差  

摘要： 为解决传统相机标定中标定精度低、可重复性差、鲁棒性弱等问题,提出一种基于改进灰狼遗传算法的相机标定优化方法。对灰狼算法中的种群初始化、线性收敛因子及位置更新策略进行改进,并融入了基于维度学习的搜索策略和改进的选择、交叉、变异算子,以优化相机标定参数。首先,利用MATLAB标定工具箱对标定板图像进行角点提取,基于相机标定原理,建立标定板角点坐标与空间三维点坐标的对应关系,以获取相机内参及畸变系数的初估值,并据此设定待优化参数的寻优范围。接着,以初估值为基础在寻优范围内生成灰狼遗传算法的初始种群。然后,构建平均重投影误差方程,以最小化该误差为目标函数,利用改进的灰狼遗传算法对标定参数进行优化。最后,将该方法与其他优化方法进行实验对比。结果表明,基于改进灰狼遗传算法的相机标定方法在平均重投影误差最小(0.02054 pixel)的同时,也展现了最佳的可重复性和鲁棒性。

关键词： 视频监控   人脸识别   交换机   图像处理  

摘要： 通过无线通信技术,依托先进的软硬件配置,促进无线视频监控与人脸识别功能的有效融合,实现运行维护中信息化和智能化的提升。通过视频监控和人脸识别,显著提升了管理的信息化、智能化,有效保障了运行维护的顺利、高效实施,及时干预并锁定非授权人员,保障安全管理策略的顺利执行。

关键词： 青贮玉米   枯叶病   YOLOv7-MLD   目标检测   注意力机制   智慧农业  

摘要： 为实现对青贮玉米枯叶病的精确检测,降低大田环境下的人工诊断成本,减少病害带来的影响,提出一种基于YOLOv7改进的智能检测与识别模型YOLOv7-MLD。首先,在YOLOv7网络的主干中添加DBB模块,增强主干的特征提取能力;其次,在3个输出特征层添加坐标注意力机制(CA)模块,增强对病害特征的提取能力;最后,将损失函数由CIoU替换为SIoU,以提高边界框的收敛速度和回归精度。在玉米枯叶病数据集的子集上进行实验,结果表明,YOLOv7-MLD模型的AP值达到84.2%,与原YOLOv7相比,F1值提高了5.9%,精确率和召回率分别提高了4.3%与7.3%。该模型实现了在田间复杂环境下对青贮玉米枯叶病病害的精准定位与识别,对于指导早期青贮玉米枯叶病病害防治具有十分重要的现实意义。

关键词： 无人驾驶   目标检测   知识图谱   多传感器融合   深度学习  

摘要： 随无人驾驶汽车智能等级不断提升,对目标检测精度的要求不断提高,有必要系统全面地梳理无人驾驶车辆目标检测领域的研究现状和前沿方向.本文利用知识图谱可视化软件Citespace在CNKI数据库中以“目标检测”&“车辆”为篇名进行文献检索分析,发现无人驾驶车辆目标检测研究热点主要聚焦于:基于人工智能辅助的智能车辆技术,基于深度学习算法的多元数据特征融合技术,基于点云数据目标检测图像深度补全技术,及基于深度学习算法的小目标检测技术.在分析研究热点的基础上通过“突现词”发现提升深度学习算法在复杂环境下低分辨率目标的适应性,及基于深度学习的自动驾驶技术数据轻量化、运算快速化和目标检索准确化是当前研究前沿问题.

关键词： 水上垃圾检测   轻量化   小目标   损失函数   通道剪枝  

摘要： 针对水上漂浮垃圾检测中微小目标物体数量占比高、检测画面易受到水面波动和岸边环境反光等多重因素的干扰、检测模型庞大的参数量和计算量对终端的部署的设备性能要求高等问题,拟提出一种轻量化、高精度、实时性的检测模型LS-YOLO。首先,该算法利用HS-FPN金字塔网络设计构造YOLOv8的Neck网络结构,构建的网络结构牺牲小部分精度,显著降低了模型的参数数量和计算复杂度。其次,通过引入CAA上下文锚定注意机制改进HS-FPN,捕获远程上下文信息来回升检测精度。然后通过更换损失函数为具有动态聚焦机制的Wise-IoUv3,大幅提升检测效果,增加模型鲁棒性。最后,使用LAMP剪枝技术对模型进行剪枝,减小模型的参数量和计算量。实验结果表明,改进后的LS-YOLO相比基准模型mAP50提升了0.9%,回归率提升了3.2%,参数量降至基准模型的19.83%,计算量降至基线的44.44%,模型大小降至基线的22.22%。经过优化后的检测算法不仅显著提升了检测性能与特征提取的精准度,同时也便于在资源受限的硬件平台上的部署操作。

关键词： 计算机视觉   行为识别   双流卷积网络   三维卷积  

摘要： 为了更高效地获得视频中的行为信息,提出一种结合时域卷积与双流卷积网络的人体行为识别算法。利用多层时域卷积从视频获取动态信息,得到二维的深层动态特征;构建双流卷积网络并采用深层动态特征代替光流特征作为运动信息流的输入;加权融合双流结果,获得对行为的判定。在公开数据集UCF101、HMDB51与NTU-RGBD-60测试,最高准确率为94.2%、70.9%与89.1%(跨对象实验)。当与经典算法ECO(Efficient Convolutional Network)和TSM(Temporal Shift Module)准确率相近时,平均并行速度分别提高2.1倍和3.6倍。所研究算法提高了计算效率,更具有实用性。

关键词： 计算机视觉   索力识别   结构振动   检测  

摘要： 基于视觉识别技术对体育场屋盖结构的拉索索力进行检测识别研究。使用工业摄像机拍摄拉索振动视频,基于视觉识别技术精确捕捉拉索的动态位移时程,经过模态识别获取拉索的振动频率,从而识别拉索的索力。以某体育场为例,阐述视觉识别技术在其屋盖结构的拉索中的应用,并将基于视觉传感器测量的索力估计值与理论值进行对比。研究结果表明,基于视觉的索力识别方法具有可行性,精度满足工程精度的要求。

关键词： 计算机视觉技术   智能监控系统   目标检测与识别   行为分析   预警系统  

摘要： 文中聚焦于计算机视觉技术在智能监控领域中的实际应用,阐述了计算机视觉的基本概念及技术脉络,分析了该技术在现代监控系统中的重要性及其发展趋势.针对现有智能监控体系误报频发、目标识别精准度不足等问题,创新性地提出了一套基于计算机视觉的智能监控解决方案,并通过实验证实了该系统在提升监控的精确度和效率中的有效性.

关键词： 智能监控系统   模式识别   计算机视觉  

摘要： 随着经济的快速发展,城市交通的实时监控系统变得越来越重要,建立全面的智能监控系统对构建平安城市和智慧城市非常重要。本文算法借助强大的计算机处理数据的能力,利用图像领域的相关理论和模式识别、计算机视觉等新兴技术,针对视频源中有用的关键信息进行提取和分析,及时地对场景下的异常情况进行识别监控,并通知有关安全人员处理危机。在人力不可及的条件下最大限度地避免误报、漏报等现象,使监控系统真正实现无人监管、智能化。

关键词： 绿化工程   目标检测   YOLOv5   害虫管理   无人机航拍  

摘要： 松材线虫病是由松木线虫寄生在松树内部引起的一种毁灭性森林病害。一旦感染,由于无法排水,松树会迅速凋萎死亡,因此也被称为松树枯萎病。主要由松虫传播,具有快速传播、快速发作和高死亡率的特点,是一种重要的全球植物病害。如果不能及时有效地控制松材线虫病,将导致森林地区大量松树在短时间内死亡。随着人工智能和无人机技术的不断发展和普及,结合各种方法及时检测病树,进行处理和保护,可以大大节省生物防治的时间和人力成本,同时推动诸如生物工程和绿化工程等多个相关学科的工作。通过无人机对森林区域进行了大量的航空勘查,收集了相关数据,并对所获取到的数据进行了预处理,包括数据扩充、清洗、过滤、去重、格式化等,以确保数据质量和准确性。然后对数据进行了标记,对原始的YOLOv5进行了一定的改进。并为原始网络模型添加了一个新的RRAM(递归残余注意模块),使得网络能够及时关注冗余数据中的重要信息,从而提高了网络的性能。与原始的YOLOv5相比,优化后的网络具有更强的性能。