关键词： 遥感   多目标跟踪   小目标检测   注意力机制   神经网络   轨迹关联  

摘要： 遥感卫星的多目标跟踪任务面监目标弱小,场景多样等挑战.为此,提出了一种高分辨率遥感卫星视频的多目标跟踪算法.在检测阶段,构建小目标检测器,首先在主干网络中通过Transformer捕获全局的上下文信息,然后利用注意力机制增强目标特征,最后添加了一个预测小目标的分支;在轨迹关联阶段,将检测出的小目标与已有轨迹匹配,采用关注低置信度检测的关联算法.本文选取高分辨率遥感卫星视频进行测试,测验结果表明本文提出的方法在遥感卫星视频中的多目标跟踪数据集上的MOTA指标达到63.1％,相较于基准(baseline)模型提升13.5％,能够显著提升遥感卫星视频中多目标跟踪的性能.

关键词： 视觉大模型   ViT   目标检测   图像分割   船舶特征   卷积神经网络  

摘要： 本文针对内河流域船舶监管中船舶识别准确性低的问题,提出了识别船舶身份的方法,并通过大量真实数据开展针对性训练,通过目标识别小模型与视觉大模型分析的有效结合,大幅提升了视频处理效率和大语言模型分析效率,节约了网络带宽与AI算力资源.研究结果表明,本文提出的方法在提高船舶身份识别准确性和效率方面具有显著优势,可以为内河船舶监管提供有效技术支持.

关键词： 三江源地区   牛羊计数   YOLOv5算法   目标检测  

摘要： 三江源地区的草场资源丰富,但由于过度放牧的原因,近年来退化严重.牛羊在这一地区是重要的养殖牲畜,传统的检测方法对牛羊数量的统计存在难度大、效率低等问题,且其准确性易受到牛羊姿态和人为主观因素的影响.本研究基于上述问题以门源种马场等地区为研究区域,实地采集数据,采用YOLOv5算法对牛羊进行检测,满足检测实时性较高的要求.通过试验对比Adam、AdamW和SGD三种优化器的效果以提高识别和计数的准确性.

关键词： 人工智能技术   图像处理   计算机技术   数字化处理   图像质量  

摘要： 通过对图像信息的深度处理,有利于人们更有效地利用各类图像,发挥其最大价值.如人工智能技术在图像处理技术中的应用就能够提升图像处理的效率与处理质量,两种技术的融合日益成为计算机视觉领域的研究热点.基于此,本文从图像处理技术的三种常见方法入手,分别阐述了人工智能技术在这三种图像处理方法中的具体应用,并对人工智能技术应用于图像处理的现存问题与应对措施进行探讨,希望为人工智能技术的应用提供强大支撑.

关键词： 智慧园区   车辆拥堵   人员聚集   预训练模型   YOLOv8   目标检测  

摘要： 智慧园区的出入口、办公大楼进出口等重要部位,会出现车辆拥堵和人员聚集的情况.目前数字视频监控设备无法做到智能化识别和报警,只能靠值班人员和巡逻人员进行人工监控、判断,无法有效、快速处理紧急和突发事件.本文选用YOLOv8目标识别框架技术,采用预训练模型和实际业务结合的工程实践方式,实现监控范围内的车辆和人员的数目识别.平台可以设置报警阈值以实现监控报警、系统联动和警报推送,处理突发和紧急事件,保证园区和办公楼的正常秩序.

关键词： 弱目标检测   高速高机动目标   混合积累   马尔可夫模型   动态规划   关联约束规则  

摘要： 为获取高速、高机动、非合作、弱小目标的稳健检测能力，本文提出了一种基于动态规划的快速混合积累检测算法Keystone-FDP。算法采用马尔可夫运动模型，允许目标在给定加速度范围内做任意形式的机动。首先，通过Keystone算法实现段内相参积累。随后，通过动态规划实现段间非相参积累。在动态规划的实现过程中，对原有算法进行了改进，引入了关联规则，在确保“速度—距离”状态序列一致性的同时，将运算量控制在合理范围。通过雷达回波仿真数据对本文算法和其他典型算法进行对比分析。在检测性能方面，对于高速高机动目标（超声速飞行、在积累时间段内发生多次加速度突变），本文算法较常用的相参、非相参和混合积累检测算法（MTD、RFT、GRFT、Radon-MTD……）具有明显优势，仅稍弱于基于严格动态规划求解的RFT-DP-BI算法。在运算量方面，本文算法较基于RFT-DP-BI算法具有显著优势，且在积累时间较长时，优于RFT、GRFT、Radon-MTD等相参积累及混合积累算法。测试结果表明，该方法实现了检测性能和运算量的有效平衡，能够较好地适用高速高机动微弱目标检测。

关键词： 视频小卫星   势函数   拟欧拉旋转   视觉跟踪   防脱靶  

摘要： 针对视频小卫星与观测目标存在较大初始相对姿态偏差和角速度，目标容易偏离相机视场造成脱靶的问题，设计了一种视频小卫星目标跟踪视野分区防脱靶控制方法，该方法将星载相机矩形成像视野按照内切圆划分为内外两部分，内切圆内部和外部分别基于势函数和拟欧拉旋转法设计跟踪控制器，并利用Barbalat引理证明两个区域控制律的渐近稳定性，同时在理论上证明了目标进入视野内切圆区域后，在基于势函数的控制器作用下可以确保不脱靶。通过控制器对比仿真，结果表明拟欧拉旋转法相比于PD控制具有更强的抑制目标偏离视场能力，结合拟欧拉旋转法和势函数法的视野分区控制与全视场的拟欧拉旋转法相比，能够有效实现对较快速机动目标的防脱靶控制，从而实现连续跟踪观测。

关键词： 水位识别   图像处理   模板匹配   二值化分割   透视变换  

摘要： 针对库水位传统量测方法中水尺易锈蚀倾斜,精度低且成本高的问题,该文提出一种不依赖水尺,基于图像匹配的库水位变动识别方法。首先对监控相机拍摄的库坝上游面光学图像进行畸变消除和透视变换,消除相机误差。进一步选取包含水面的感兴趣区域(region of interest,ROI)图像进行自适应二值化分割、形态学处理等前处理操作,将水面和库坝特征分离,突出水位线位置。最后,利用归一化互相关匹配算法(normalised cross correlation,NCC)对水位变动前后的两幅图像进行匹配计算,识别水位线变动距离。通过室内试验与现场测试验证上述方法实用性。结果表明:基于图像匹配的库水位动态识别方法可准确识别水位变动,相对误差约为5%,此算法鲁棒性较高。该研究可为库水位自动化、低成本监测提供一种新思路。

关键词： 宫颈细胞图像异常检测   YOLOv5   图像处理   全局和局部特征融合  

摘要： 目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型(Trans-YOLOv5),为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了数据扩增方式与标签平滑等技巧的YOLOv5网络结构实现对宫颈病变细胞的多分类检测。在YOLOv5骨干网络引用CBT3以增强深层全局信息提取能力,设计ADH检测头提高检测头解耦后定位分支对纹理特征的结合能力,从而实现全局-局部注意机制的融合。结果实验结果表明Trans-YOLOv5优于目前最先进的方法。mAP和AR分别达到65.9%和53.3%,消融实验结果验证了Trans-YOLOv5各组成部分的有效性。结论本文发挥不同注意力机制分别在全局特征与局部特征提取能力的差异,提升YOLOv5对宫颈细胞图像中异常细胞的检测精度,展现了其在自动化辅助宫颈癌筛查工作量的巨大潜力。

关键词： 计算机图像处理技术   鞋类   制作工艺  

摘要： 在具有时尚性与功能性的鞋类制作工艺中,计算机图像处理技术已逐渐成为创新设计与提升生产力的重要因素。从最初的设计草稿到建立3D模型,直至最后的视觉显示,计算机图像处理技术在鞋类制作工艺的各个阶段都必不可少,该技术不但可以大大增加设计人员的创作空间,也可以让鞋类产品在设计、打样、生产、销售等环节变得更精确、更有效。因此,本文对计算机图像处理技术在鞋类制作工艺中的应用进行了分析,以期对相关设计人员提供借鉴。