关键词： 目标检测   特征提取   注意力机制   插值函数  

摘要： 针对Deformable DETR仅采用ResNet进行简单特征提取限制了后续模块检测效果的问题， 提出一种基于特征增强与多项式差值的目标检测网络. 首先引入特征提取模块同时提取图像局部和全局信息， 帮助网络更精确地捕捉图像关键特征; 然后设计双注意力模块根据需求动态地调整特征通道和空间位置的权重， 使网络能够聚焦于对当前任务更为重要的图像区域; 最后提出一种多项式插值方法拟合目标点周围更多的特征向量， 计算生成更高质量的特征向量. 在COCO数据集上采用一致的实验条件进行实验， 相比Deformable DETR， 所提网络平均检测精度提升至44.8%， 大目标检测精度提升1.9个百分点， 各项检测精度均得到提升， 并且优于对比的其他系列网络.

关键词： 目标跟踪   交互多模型(IMM)   自适应   无迹卡尔曼(UKF)  

摘要： 针对跟踪复杂机动目标过程中由于目标运动状态发生变化导致的跟踪误差较大的问题，提出了一种自适应交互多模型无迹卡尔曼滤波算法（ATPM-UKF），使用模型概率后验信息和模型似然函数自适应修正马尔可夫转移概率矩阵（TPM）。设计了模型概率校正方法和模型转移加速方法，两种方法分别作用于模型稳定阶段和模型转移阶段，提高了模型概率准确度和模型转移响应速度，减小了状态估计误差。最后通过两种场景下的实验验证了所提算法在目标具有复杂运动状态下的性能，并与传统方法进行了对比分析，在目标做机动运动时，位置精度和速度精度分别提高了15%和26%，验证了算法的有效性和可行性。

关键词： 小样本目标检测   元学习   注意力机制   知识蒸馏  

摘要： 针对小样本目标检测中存在的模型收敛速度慢和知识类别遗忘的问题，提出了一种新的基于加权注意力机制和知识蒸馏的改进Meta-DETR小样本目标检测方法。首先，设计了一种新的加权注意力机制，通过在Transformer解码器中引入待检测物体的高斯分布权重并与其原始注意力图融合，使其能更快更准确地在全局特征中定位待检测的物体特征，加快模型的收敛速度。为了进一步缓解模型训练过程中存在知识类别遗忘的问题，引入了一种改进的知识蒸馏方法，采用渐进蒸馏的方法缓解知识灾难性遗忘。最后，设计了一个新的损失函数，能够根据样本的难易程度和边界框的形状尺寸动态计算损失值。实验结果表明，提出的方法在MS COCO 2017基准数据集中10-shot设置下mAP0.5比Meta-DETR方法提升了2.1%，在PASCAL VOC 07+12基准数据集中10-shot设置下mAP0.5比Meta-DETR方法提升了1.5%。

关键词： 同步定位与建图   动态物体   特征匹配   目标检测网络   位姿估计  

摘要： 搭载在移动机器人上的同步定位与建图(simultaneous localization and mapping,SLAM)系统在实际环境中,时常因动态物体的影响而导致SLAM系统的定位精度低,严重时会使相机定位位姿失败,基于此,提出一种YOLO(you only look once)动态目标检测网络与LK光流法相结合的RDFP-SLAM算法。该算法在视觉里程计线程中通过目标检测网络YOLOv5,对相机获取图像进行动态目标检测,再利用LK光流法判断预期动态目标检测框中真正的动态特征点并剔除,剩余静态特征点参与位姿估计及建图,最终在公开数据集TUM、KITTI和现实动态环境中进行实验测试。实验结果表明,RDFP-SLAM算法在多种视觉传感器及室内、室外不同环境的影响下,时间消耗相较于同类型的算法仍有大幅度减少,且有效提升了动态环境下特征提取的精度,该系统的鲁棒性、实时性和定位结果均得到优化。

关键词： 扩展卡尔曼滤波器   非线性   目标跟踪  

摘要： 卡尔曼滤波本质是一种时间递推的方法,是一个“预测”过程和“更新”过程。该方法在目标跟踪、制导等方面有较广的应用。卡尔曼滤波方法能够较好的处理线性模型,但很多实际问题与工程问题是非线性问题,常规的卡尔曼滤波方法并不适用这类问题。本文以常规卡尔曼滤波方法为基础,推导并给出了扩展卡尔曼滤波的实现过程及完整算法流程,通过对非线性函数进行泰勒展开,保留展开式一阶项,从而将非线性问题近似线性化处理,使得该算法能够处理非线性问题。本文不仅给出了完整的扩展卡尔曼算法框图,使该算法的实现过程更加清晰,并且通过数值模拟证明了该算法处理非线性问题的可行性和有效性,这为使用该算法进行实际工程应用奠定了一定的基础。

关键词： 深海采矿   粒子图像处理技术   管道输送   颗粒运动   固液两相流   水力提升   图像处理   图像分割  

摘要： 为研究深海采矿水力提升管道内颗粒的运动特性,提出了一套粒子图像处理技术,包括图像预处理、二值化处理、形态学滤波、颗粒边缘检测、重叠分割等,对水力输送模拟试验中的管道断面颗粒图像进行颗粒信息的识别、提取,并分析颗粒在管道内的分布特征及运动规律。结果表明:管道流体中大颗粒趋向于聚集在流体速度较低的管道壁面,小颗粒主要集中在流体速度较高的管道中心;颗粒的平均速度分布沿管道径向类似于抛物线形状,随着颗粒粒径增大而减小,且从管道中心沿管壁方向逐渐减小。提出的粒子图像处理技术能较好地应用于管内颗粒运动特性分析。

关键词： 笔迹识别   OpenCV技术   图像处理  

摘要： 当前,笔迹识别在众多领域中扮演着举足轻重的角色。传统的人工笔迹比对方法需要消耗大量的时间和人力资源,不仅效率低下,而且容易出错。为解决痛点问题,开发了一款基于OpenCV的笔迹识别技术系统,提高识别的准确性和效率。该系统利用OpenCV的图像处理功能,对输入的手写图像进行预处理,并且结合Matplotlib对图像进行分步处理,以提高识别的鲁棒性。该系统可以应用于银行、金融部门等多领域,以提高工作效率。

关键词： 图像处理   多边形逼近   直角筛选   长宽比   方形检测  

摘要： 文章提出了一种基于图像处理技术的方形表盘识别方法。该方法首先针对预处理后的方表图像,采用多边形逼近算法和直角筛选算法,以初步确定大致的方形区域范围;其次通过采用长宽比匹配以及剔除非最大轮廓算法,删除错误的方形区域,从而确保目标区域的精确性。实验结果表明,该算法能有效排除错误区域的干扰,精准获取目标区域,为后续电表表盘的指针读取提供了可靠的图像基础,解决了电表表盘读数过程中存在的识别耗时长、识别精确度不高等问题。

关键词： 带式输送机   智能识别   计算机视觉   研究进展  

摘要： 目前,我国煤炭运输主要采用带式运输机,皮带运输是煤矿生产中重要的环节,直接影响煤矿的生产安全和生产效益。我国煤矿生产经历了从动力化、机械化、信息化到智能化的发展转变,目前煤矿生产转型升级正处于智能化阶段。智慧矿山建设要求实现安全、无人、高效、绿色生产,对智能化升级提出了新要求。研究对煤矿带式输送机运行状态智能化识别技术进行回顾与论述,提出基于计算机视觉技术识别带式输送机运行状态的实现方法,并对未来发展方向进行展望。

关键词： 病害识别   目标检测   图像处理   YOLOv5   深度神经网络  

摘要： 针对书画文物保护工作中人工病害调查和病害图绘制效率低的问题,探索了基于深度神经网络的目标检测技术识别书画病害的可行性。选择YOLOv5系列模型并根据本研究任务特点对其结构做了优化,包括FGSM算法、CmBN策略、Dropblock正则化和CIOU-Loss损失函数。利用博物馆馆藏书画文物素材,融合Mosaic数据增强方法进行书画文物图片的增强,设计了滑动窗口检测技术、图像逐层分析和定位裁剪技术,初步训练出了2个具备病害识别功能的模型,根据模型性能检验指标最终选择了YOLOv5x6作为本研究任务的模型。测试结果表明,该模型以较高的准确率和查全率识别出了待检测病害,用时仅为人工的千分之一。该技术的引入可极大提高文物病害识别效率,并且在病害识别过程中保持客观、稳定的标准。