关键词： 红外目标检测   SIoU损失函数   多尺度扩张注意力  

摘要： 针对红外成像特性及其应用环境的差异导致的红外目标检测准确性不足等问题,文章提出了一种基于改进YOLOv5算法的红外目标检测方法。该方法引入了SIoU损失函数和多尺度扩张注意力机制,以增强模型对小尺寸目标和复杂背景中目标的检测性能。实验结果表明,与未改进的YOLOv5模型相比,改进模型在精确率、召回率和平均精确率等关键性能指标上均有显著提升,证明了该改进方法的有效性。

关键词： 智能视频分析   视频智能分析   计算机视觉   视频监控技术   主动预警   智能识别   物联网   油气田企业  

摘要： 随着物联网、计算机视觉、智能视频分析、大数据技术的发展,视频监控系统应用领域越来越广、智能化水平越来越高,运用视频监控可实现油气田生产作业现场违章行为实时抓取、智能识别与主动预警,辅助监督管控,解决人力不足问题,实现提质增效。以某油气田为例,分析视频监控技术适用场景,结合油气田作业现场特点、安全管控需求,从系统架构、整体功能、网络专线、视频智能分析、移动摄像机性能选择、配置与显示等方面设计油气田移动视频监控系统,以提升油气田企业安全生产监管信息化、智能化水平。

关键词： 图像处理   深度学习   光斑去除  

摘要： 当场景中存在较强光源时,极易使采集到的图像受到光斑、炫光、伪影等种类和形态多样的干扰,导致图像中关键信息质量下降,从而使基于该图像的目标检测、深度估计、语义分割等视觉任务受到不同程度的影响.然而使用现有方法很难完全去除形态和分布多种多样的光源干扰.因此,针对现有算法处理效果差、成对训练数据较缺乏、泛化性弱等问题,提出了一种光源干扰去除网络及其训练方法.该网络结合多任务结构充分利用不同任务的特征信息,并以此提高其对干扰的去除效果.此外,还提出了一种光源融合后处理算法以减少后处理算法导致的推理质量下降.所提方法在公开数据集上平均峰值信噪比和结构相似性分别达到了25.81 dB和0.8726,在自建数据集上达到了23.25 dB和0.9223,且在主观定性对比中,所提方法比现有方法具有更好的干扰去除效果.

关键词： 改进YOLOv5   仿生机器鱼   目标检测  

摘要： 为满足仿生机器鱼目标检测的需要,在YOLOv5基础上提出了一种轻量级检测算法,降低算法复杂度并提高精度。首先对YOLOv5s模型进行改进,通过GhostConv和C3Ghost模块降低参数量和计算量。其次,引入CA和CoordConv模块增强特征提取和目标位置感知能力,采用soft NMS减少使用传统非极大抑制(Non maximum suppression,NMS)带来的漏检、误检,同时使用MPDIoU简化相似性比较,提升检测精度和召回率。最后,所提出方法在目标检测数据集上的试验结果表明,改进的YOLOv5网络体积更小、精度更高,证明了该算法的有效性和优越性。

关键词： 计算机视觉技术   疾病监测与预警   珍稀野生动物  

摘要： 珍稀野生动物是指生活在自然环境中、具有独特生物学特征和高度濒危的动物,其疾病监测与预警不仅关系到动物福利和物种保护,也影响到生态系统平衡和人类健康。计算机视觉技术是人工智能领域的一个分支,它使计算机能够模拟人类视觉系统,从而理解和解析图像和视频数据。珍稀野生动物疾病监测与预警需要一个能够进行图像识别、模式识别和人工智能算法的高科技系统,该系统包括图像采集、数据预处理、特征提取、疾病识别模型、实时监测与预警等关键组成部分,可被用于大熊猫、金丝猴、东北虎等珍稀野生动物的疾病监测与预警,及时发现其疾病或异常行为,迅速采取救治措施。论文对计算机视觉技术及其在珍稀野生动物疾病监测与预警中的应用现状及存在的问题进行了分析,并对其未来发展趋势做出展望。

关键词： 计算机视觉技术   图像识别   变电运检  

摘要： 阐述计算机视觉技术中的图像信息融合特点,分析变电运维中的风险因素和原因。探讨计算机视觉技术的应用,包括智能变电站中的计算机视觉技术和在线检测技术的应用。

关键词： 车辆目标检测   编码   CenterNet   特征融合   深度学习  

摘要： 为解决车辆识别系统中车辆类型识别率低的问题,文章提出了一种优化CenterNet编码的车辆目标检测模型。本模型为保证实时性采用ResNet18作为基础网络,针对原模型中检测与分类同时进行的目标检测可能会导致车辆目标信息的混淆和互相干扰的问题,本模型将检测与分类进行解耦,着重关注车辆固有特征和车型间的特有特征,有效提高分类的准确率;针对特殊车型识别不准确的问题,模型将车辆目标的宽高,形状等特征信息加入分类中进行特征学习,提高特殊车型分类的准确性。实验结果表明:在UA-DETRAC数据集上,本模型的平均精度均值提升了0.5个百分点,F1-Score提升了1.1个百分点。

关键词： CSP Darknet模块   分耦检测头   三维目标检测  

摘要： 本文提出一种基于中心修正网络和分耦检测头的三维目标检测算法。首先,采用三通道图像块表现形式处理三维输入信息,使用二维检测框滤除背景点,减少数据量;然后,采用基于CSP Darknet模块的中心修正网络将得到的图像块中心对齐到目标坐标系下的真实中心;最后,使用基于1×1卷积的分耦检测头分别对参数化三维包围框的类别和残差值进行分类和回归。实验结果表明,改进的检测算法在KITTI数据集的简单、中等、困难3种模式下的3D平均精度较同类型算法分别提高了2.82,5.54和3.81,取得了较好的检测结果。

关键词： 高速目标检测   参数估计   稀疏吕氏分布   间歇采样转发干扰  

摘要： 间歇采样转发干扰作为雷达工作环境中一种广泛应用的干扰,通过对雷达发射信号进行多次采样和转发,在接收端可形成假目标使得雷达系统难以检测到真实目标。本文分析了高速运动目标的雷达回波特点,鉴于目标信号具有线性调频信号形式,采用吕氏分布(Lv’s Distribution,LVD)方法进行目标检测,然而在间歇采样转发干扰下该方法失效,无法检测到真实目标。针对高速运动目标在间歇采样转发干扰下的检测和参数估计问题,提出了稀疏LVD的高速目标检测方法。分析了间歇采样转发干扰的时域特征,考虑到间歇采样转发干扰具有时域采样不连续的特点,利用能量函数设置门限提取雷达回波中未受干扰影响的部分目标信号,对部分目标回波信号计算对称参数瞬时自相关函数并矢量化表示。然后利用线性调频Z变换矩阵和快速傅里叶变换矩阵构造出稀疏LVD表示模型,将高速目标检测问题转换为中心频率-调频斜率域上的稀疏求解问题。最后利用正交匹配追踪算法获得稀疏解,实现高速运动目标检测和参数估计。仿真实验结果表明,所建立的稀疏LVD表示模型正确有效,在间歇采样直接转发干扰和间歇采样重复转发干扰两种情况下稀疏LVD方法均可准确检测目标,具有良好的目标检测和参数估计性能。

关键词： 红外图像   手部热痕迹   深度学习   计算机视觉   图像识别  

摘要： 手部热痕迹红外图像识别对刑事侦查具有重要意义,但热痕迹图像往往存在模糊问题。传统识别方法依靠人工设计特征,存在局限性,常规的深度学习方法对样本数量存在依赖性,均难以直接应用。利用卷积神经网络强大的特征表达能力,引入残差网络增强模型学习特征的性能,设计注意力机制模块从空间和通道维度提高模型对重要特征的关注度,最终构建了基于注意力机制的残差卷积神经网络。实验验证了该算法的有效性,取得了最高的识别准确率。