关键词： 计算机视觉   图像处理   人工智能方法   视觉信号   视觉信息   人类感知   互联网信息   视觉处理算法  

摘要： 视觉是人类感知世界的最重要方式。视觉信息已成为人们生产、生活不可或缺的要素。据不完全统计,视觉信息已占据互联网信息的80%以上,并仍在快速增长。通过人工智能方法对视觉信号进行处理,进而获取视觉信号中的有效信息,对人们的生产、生活具有重要意义。然而,实际应用中,很难实现适配所有应用场景的通用视觉处理算法。因此,视觉处理算法需要依据具体的问题进行设计优化。

关键词： 目标跟踪   量测转换   学生t分布   变分贝叶斯方法   自适应噪声估计  

摘要： 针对量测含未知野值的非高斯极坐标−笛卡尔坐标水下目标跟踪问题,提出了基于变分贝叶斯方法的迭代量测转换学生t滤波(VBICMSTF)算法。将有源声呐目标距离及方位估计结果作为基于极坐标的非线性量测,使用无偏量测转换对其进行基于学生t分布近似的先验线性化建模,然后通过变分贝叶斯方法迭代地更新伪线性量测尺度阵及目标状态的后验分布,并在迭代过程中利用目标位置的更新结果对量测转换二阶矩的计算进行校正,由此形成先验−后验循环更新。仿真及湖上试验结果表明,VBICMSTF在含未知非高斯量测噪声的强非线性跟踪场景下,相比伪线性学生t分布变分贝叶斯方法跟踪误差降低25%以上,且维持了滤波的一致性。

关键词： 红外图像   目标跟踪   轨迹预测   抗遮挡  

摘要： 针对背景遮挡导致红外地面目标跟踪失败的问题,提出了一种基于改进轨迹预测网络的红外地面目标抗遮挡跟踪器。提出了遮挡判断准则,准确判断红外地面目标的遮挡情况;改进BiTrap轨迹预测网络,一方面通过孪生网络结构引入速度信息,采用单向预测的方法,提出了SiamTrap轨迹预测网络,提高了轨迹预测的精度;另一方面,通过改进训练方法和应用方法,可以更准确地预测地面目标的轨迹。对于短期遮挡,利用SiamTrap网络基于时间上下文信息预测目标遮挡位置。对于长期遮挡,提出了搜索扩展策略来处理真实目标信息缺乏导致的预测误差积累。提出了“二次判定”准则,实现了目标的精确捕获和正常跟踪。在含有遮挡的红外目标跟踪序列上对算法进行了对比测试。与基准跟踪器相比,文中所提算法在OPE评价指标下,成功率和准确率分别提高了5.2%和5.9%。这表明文中算法在应对红外地面目标被遮挡情况下具有良好的鲁棒性。

关键词： 计算机视觉   石化企业   火灾智能监测   网络结构   激活函数   损失函数   评价指标   消融实验  

摘要： 针对火灾现场干扰因素复杂、传统火灾报警方式相对滞后的问题,提出了一种基于YOLOv5改进的火灾识别算法。首先,通过改进激活函数提升模型非线性表达及泛化能力,改进损失函数,减少模型对非必要特征的学习;然后,通过引入注意力机制CBAM,增强模型在通道和空间的双向感知力;最后,设计改进YOLOv5算法与其他识别算法对比实验。通过定性及定量分析证明改进算法的有效性,与原YOLOv5算法相比,模型平均精准率AP提高了5.85%,整体网络性能有了较明显的提升,满足了火灾图像检测准确度、实时性的需求,测试结果证明其具有良好的性能以及应用价值。

关键词： 目标检测   图像处理   嵌入式系统   轻量化  

摘要： 针对大熊猫在复杂环境中难以识别,以及目标检测模型在计算资源有限的嵌入式设备上部署效果差的问题,提出一种轻量化的大熊猫目标检测模型Giant Panda-YOLOv5n(GP-YOLOv5n)。该模型在YOLOv5n的基础上进行改进,提出了融合注意力的深度可分离颈部网络,提高复杂环境下对目标的检测精度与检测速度,并在边界框回归损失函数中引入Alpha-IoU来提高模型对目标的边界框定位精度。在自制大熊猫数据集上进行训练后,对模型进行嵌入式设备优化并迁移部署到Jetson Nano。实验结果表明,改进后的模型在mAP50和mAP50:95指标上达到了97.8%和73.6%,相较于原始模型分别提升了2.7%和9.2%,在嵌入式设备上的模型检测速度达到了15.12 f/s,能够准确、实时地检测出复杂环境中的大熊猫个体。

关键词： 机器学习   自然语言处理   计算机视觉   网络安全   人工智能   图数据   神经网络   数据处理方法  

摘要： 近年来,由于图结构的强大建模能力,用机器学习方法分析图数据的研究越来越受到重视.图机器学习是一类基于机器学习的图数据处理方法.特别是,将经典卷积神经网络模型拓展到具有非欧特性的图数据而产生的图神经网络具有强大的结构和特征融合学习能力,已成为国际研究热点,是人工智能发展的前沿技术.图机器学习不局限于处理图数据,广泛应用于计算机视觉、自然语言处理、网络安全和药物发现等领域.

关键词： 激光雷达   倾角传感器   高清摄像头   计算机视觉   感知能力  

摘要： 近现代以来,感知与认知技术依旧是炙手可热的话题,感知与认知技术是近现代化以来无人化机器人发展中的重要技术,感知与认知技术是能否实现翻车机无人值守系统的重要影响因素。感知与认知技术并非是在处理线性的数据,即感知及认知对象和感知及认知背景是随现实数据的变化而变化的,感知与认知技术是机器人获取外界信息的重要途径,也是其完成各种自动工作时的“眼睛”。保证系统安全稳定运行,推进电厂智能化建设,提高电厂管理水平。

关键词： DDPG   无人船   运动控制   运动目标追踪  

摘要： 为了实现无人船在复杂海况上对目标的追踪,使用DDPG(Deep Deterministic Policy Gradient)算法对无人船进行运动控制,使无人船完成对运动目标的快速追踪。在Simulink中使用Nomoto模型对无人船的运动模型进行建模。针对无人船的运动具有大迟滞性的特点对无人船的状态量进行重构,使无人船智能体可以通过重构的状态空间观测到状态量的高阶差分量。为无人船对运动目标追踪的任务设置了不易陷入局部最优解的奖励函数,最终强化学习智能体通过与环境的交互学会了有效地控制无人船对运动目标进行追踪,验证了算法的有效性。

关键词： 深度学习   刑侦图像处理   人脸识别   物体检测   行为分析  

摘要： 深度学习技术在刑侦图像处理中的应用展示了显著的成果,尤其在人脸识别、物体检测和行为分析等领域。通过模拟人类视觉系统的工作方式,深度学习技术能够有效处理复杂图像,从而提取犯罪现场的图像数据及相关信息中的线索和证据,已在全国范围内涌现出多个成功案例。然而,模型的鲁棒性、数据隐私保护、算法公平性以及实时性等问题仍然是深度学习技术面临的主要挑战。尽管如此,深度学习技术凭借其强大的数据处理能力和精准的分析能力,显著提升了刑侦图像处理的效率和准确性,为未来的研究和实际应用提供了广阔的发展空间。

关键词： 障碍物主动识别和距离感知算法   视觉图像   三维点云   融合算法   目标检测  

摘要： 针对无人机配电线自动巡检及绝缘层涂覆维护过程中障碍物主动识别和距离感知的问题,提出视觉图像与三维点云相结合的障碍物识别方法。对图像进行增广预处理来丰富数据集,引入基于特征提取的深度学习进行模型训练,获取障碍物目标的类别和方位,结合三维点云信息得到目标的距离信息。实验结果表明:三维点云与视觉图像融合的障碍物主动识别与距离感知算法可以兼顾实时与精准测距的需求,提高了系统预警的精确度,最大识别误差为2.356%,有助于提高无人机及线缆涂覆机器人的障碍感知能力,保障作业安全。