关键词： 遥感图像目标检测   多尺度特征融合   坐标注意力机制   Swin Transformer  

摘要： 针对遥感图像目标检测方法中存在的特征提取不充分、语义信息表达能力弱、小目标检测准确率低和定位不准确的问题,提出了一种基于YOLOv5和Swin Transformer的改进策略。实验结果表明,与传统方法以及其他改进策略方法相比,文中的方法在公共数据集DOTA和自建数据集SkyView上均表现出更高的检测准确率,性能优势显著。

关键词： 海杂波   目标检测   特征融合  

摘要： 为提高海面目标的检测概率,提出一种多维特征融合的目标检测方法。首先,在时域的基础上,提取赫斯特(Hurst)指数和信息熵(IE)2种特征。其次,在频域的基础上,提取频域方差与均值比(FVAR)作为特征。然后,在时频域的基础上,提取短时傅里叶变换(STFT)后的时频图作为特征。最后,使用2支改进的卷积神经网络(CNN)分别训练一维特征和二维特征,之后联合2支网络,得到最终的目标检测结果。进一步与传统卷积神经网络作对比,结果显示在相同训练条件下,所提方法的计算时间缩短40%以上。

关键词： 扩展目标跟踪   机动目标   Transformer   星凸形   弗雷歇距离-面积误差  

摘要： 针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。

关键词： 伪造指纹   图像处理   识别   硅胶膜   指纹章  

摘要： 伪造指纹迷惑性强,对社会危害大,急需开发高效、精确的伪造指纹识别技术。采用图像处理技术可以提高伪造指纹的识别效率和准确性。实验制作了复印、打印、硅胶膜和光敏指纹章盖印的指纹,与直接捺印指纹进行人工和系统自动比对纹线特征点,发现伪造指纹能达到与真实指纹同一认定的条件。采用Adobe Photoshop、Open CV计算机视觉库和Image pro plus图像处理软件,对指纹图像的细节进行深入分析,并提取重要特征,如颜色和墨迹分布,来识别和区分真假指纹。通过对比分析指纹图像中的黄色和蓝色墨点,可以识别是捺印指纹还是打印复印指纹。同时,分析指纹颜色对比度和宽度的变化能够识别硅胶膜和光敏指纹章伪造指纹。因此,图像处理技术能显著增强伪造指纹检测的多维度分析能力,为指纹识别领域提供了科学、具象的证据支持。

关键词： 火焰图像   目标检测   注意力机制   YOLOv7  

摘要： 针对复杂环境中,火焰检测存在特征提取不足和边缘模糊目标检测性能欠缺问题,提出一种融合挤压激励(Squeeze-and-Excitation,SE)注意力机制的YOLOv7火焰目标检测算法。该算法以YOLOv7为基础框架,基于公开火焰数据集,对不同位置点插入SE注意力机制的网络模型进行研究,进而构建融合多点注意力机制的YOLOv7_Attention网络模型,以充分提取火焰的有效特征,抑制冗余特征。实验结果表明,融合SE注意力机制的YOLOv7_Attention网络模型与原始YOLOv7模型相比,其mAP提升了1.64百分点,边缘模糊火焰目标检测效果显著。

关键词： 电子侦察   跳频信号   频率估计   图像处理   时频分析  

摘要： 针对电子侦察领域,复杂电磁环境中跳频信号频率估计的问题,结合图像处理技术提出一种基于时频分析的频率估计算法。首先基于干扰噪声与跳频信号时频特性的差异,通过BM3D与形态滤波的方法对时频图像中含有的高斯白噪声及扫频干扰进行滤除,其次组合采用灰度化、Roberts边缘检测、Hough变换等图像处理手段对信号的时频图像进行处理以突出目标信息,最后通过像素点搜索、阈值处理等方式定位时频脊线的确切位置,估计信号频率。仿真结果表明,该算法能够初步实现信噪比≥-8 dB且在低信噪比条件下保持估计均方误差处于10-5量级范围的信号频率估计,可完成对于低信噪比条件下跳频信号频率的估计。

关键词： 激光雷达   多模态融合   三维目标检测   注意力机制   自动驾驶   深度学习  

摘要： 基于激光雷达和相机融合的三维目标检测技术广泛应用于自动驾驶领域,然而大部分融合方法只是简单组合不同传感器,忽略了不同传感器的感知能力随环境的变化而变化的问题,从而难以精确检测出行人等分辨率较低的目标。针对这一问题,提出一种基于自适应加权融合激光雷达和相机的三维目标检测方法。首先,使用ResNet50+RPN主干网络提取图像的多尺度语义特征,同时,使用动态体素特征编码器将原始点云数据聚合成点云特征;其次,利用自注意力和交叉注意力融合语义特征和点云特征,自适应地为两者的特征图分配权重;最后,将融合后的点特征通过单阶段检测器SECOND(Sparsely Embedded CONvolutional Detection)进行目标边界框回归和分类预测,并且将检测结果在KITTI数据集上验证。实验结果表明,在简单、中等和困难三种难度级别下,该多模态融合方法相较于原始SECOND模型,对汽车和行人的检测精度均有较大的提升,其中行人的检测精度提升最明显;同时,与许多主流的三维目标检测网络相比,所提方法具有更高的精度。

关键词： 云自习   行为检测   智能监管   图像处理   Dlib模型  

摘要： 云自习的发展对培养学生的自主学习能力、推动智慧教育的建设有重要意义。然而云自习的用户监管正面临一些困难,如目前已有的视频监控方法仍需由监督者使用完整过程录像观测用户的自习状态。此外,完整的视频监控数据上传云服务器后,有较大的隐私泄露风险。为解决以上问题,文章设计了一种基于Dlib模型的人脸关键点检测算法,通过视频流分析用户自习状态下脸部特征的变化,实现用户自习状态的智能识别检测。根据上述检测算法,文章实现了云自习智能检测和监管系统。该系统无需存储完整的视频数据进行回看,即可展现用户的自习状态变化和自习结果,充分保护用户的隐私。自习场景模拟下的实验数据表明,该系统的平均检测正确率达到80%以上,可实时处理每秒20帧以上的视频流,能够满足自习状态检测准确率和实时性的要求。

关键词： 输电线路   目标检测   轻量化   稀疏卷积   注意力机制  

摘要： 在输电线路防外力破坏巡检场景中,当前部署于边缘端的轻量级目标检测算法,存在检测精度不足、推理速度慢等问题.针对以上问题,本文提出一种基于全局上下文增强的稀疏卷积电网防外力破坏检测算法Fast-YOLOv5.基于YOLOv5算法,设计了FasterNet+网络作为新的特征提取网络,在保持检测精度的同时,提升模型的推理速度,并降低计算复杂度;在算法的瓶颈层中,设计了具有高效通道注意力的ECAFN模块,通过自适应地校准通道方向上的特征响应,高效获取跨通道的交互信息来提升检测效果,并进一步减少参数量和计算量;提出了具有上下文增强的稀疏卷积网络SCN替换模型的检测层,通过捕获全局上下文信息来增强前景焦点特征,提高模型的预测能力.实验结果表明,改进后的模型与原模型相比,精度提升了1.9%,检测速度提升了1倍,达到56.2 f/s,参数量和计算量分别下降了50%和53%,更符合输电线路高效检测的要求.

关键词： 智能交通   火灾检测   深度学习   轨道交通车站   计算机视觉  

摘要： 为及时有效地处理轨道交通站内火灾事件,本文提出基于计算机视觉的站内火灾检测与精细化火灾定位模型(Fire-Detect)。首先,基于Unity仿真模拟和收集互联网图像数据的方式制作站内火灾图像与视频数据集Fire-Rail,用于训练构建的火灾检测算法和精细化火灾定位算法;其次,基于卷积神经网络、残差结构与通道注意力机制构建火灾检测算法,用于检测站内监控视频中每帧分别为“正常状态”或“疑似火灾”状态;最后,在“疑似火灾”状态下,模型启动精细化火灾定位算法,将图像以及后续的每帧图像输入精细化火灾定位算法中,并实时输出火灾发生场景下的精细化火灾定位信息。在Fire-Rail数据集上进行实验,火灾检测算法在测试集的准确率为95.12%;此外,卷积神经网络层级实验平衡了资源消耗和准确率,消融实验验证了各部分的有效性,鲁棒性实验表明,该算法能处理大部分噪声,整体模型的平均火灾定位检测精度mAP为77.3%,可应用于轨道交通站内视频监控设备。