关键词： 机动目标   扩展目标   星凸形随机超曲面   方向自适应   先验形状参数  

摘要： 针对具有强机动性的扩展目标跟踪问题,不仅需要估计目标的运动状态,还要准确识别目标机动过程中的形状变化。由于目标机动和模型的复杂所导致的高维非线性问题,提出了一种基于随机超曲面模型的扩展目标方向自适应跟踪算法。通过使用输入估计检测器对目标机动进行判断,再利用目标机动的大小修正形状参数的先验,其次基于先验信息更新量测,并结合无迹卡尔曼滤波算法,实现对机动扩展目标的状态跟踪和形状识别。利用均方根误差和quasi-Jaccard距离分别对目标质心位置的跟踪质量和形状的跟踪性能进行评价。仿真实验结果证明了该算法的有效性。

关键词： 车辆目标检测   YOLOv3   加强特征提取层   损失函数   小目标检测  

摘要： 针对交通卡口车辆目标检测时,距离卡口相机相对较远的小目标车辆检测结果存在误检、漏检、精度低等问题,提出对原始YOLOv3目标检测模型的加强特征提取网络层进行增加的改进方法,并将YOLOv3原始损失函数进行优化,动态地调整不同尺度检测框的比重。在6组不同像素数据集上进行了模型择优对比实验,实验结果表明:特征提取层设定为5层的YOLOv3-5L模型,随着图像分辨率的提升,在收敛速度与小目标检测精度方面都取得了最优的效果,在2400×2400像素下,YOLOv3-5L模型的平均精确值达到了96.5%,比原始YOLOv3网络提升了2.0%。

关键词： 数字化采集   数字化存储   图像处理   数据存储   存储设备   检索   数字化保护   硬盘  

摘要： 张兆龙、蒙军、李文周在2024年3月22日《中国艺术报》撰文指出,体育非遗是传统文化的重要组成部分,理应得到有效保护和广泛传播。体育非遗的数字化保护是利用数字技术对其进行系统、全面的记录,包含了利用摄影、摄像、扫描等数字技术对体育非遗进行数字化采集并将其转化为数字形态;数字化整理则是对采集到的数据进行加工和处理,如图像处理、音频剪辑等,以使其更加清晰、准确;数字化存储是将处理后的数据存储在数字存储设备中,如硬盘、云端等,以便后续的检索、传播和应用。

关键词： 机器视觉   表面粗糙度   图像处理  

摘要： 为了对车削工件表面粗糙度进行快速检测,提出了一种使用机器视觉技术的车削表面粗糙度检测方法,采用机器视觉技术、数字图像处理技术等对车削工件表面进行非接触式检测。首先使用MATLAB软件对图像进行了预处理(灰度化、高斯滤波等),然后提取了灰度曲线,根据均值和周期对粗糙度参数进行了计算,并与实际值进行了对比。结合实例,验证了机器视觉技术在车削表面粗糙度检测中的有效性和实用性。该方法具有快速、低成本、非接触等优点。

关键词： 目标检测   YOLOv5s   聚类算法   注意力机制   空间金字塔池化  

摘要： 长江实行十年禁渔是长江生态环境修复的关键环节,针对禁渔期间长江非法捕捞渔船目标小、背景复杂、流动大等问题,提出了一种基于改进YOLOv5s的目标检测算法。该算法优化多尺度自适应锚框模块,采用改进的K-means++聚类算法,重新匹配适合长江船舶尺寸的锚框;使用轻量高效的坐标注意力(coordinate attention,CA)机制,提升模型关注目标通道信息特征的能力;采用SPPCSPPC(spatial pyramid pooling and context-aware spatial pyramid pooling combination)对特征图进行池化,提高小目标检测能力;通过构建长江船舶数据集训练得到最优权值模型。结果显示,改进后的模型在准确率、召回率、mAP0.5、mAP0.5∶0.9和原模型相比分别提高了1.5%、3.0%、2.4%、7.7%,且训练过程损失收敛更快,收敛值更低,能够准确快速识别出长江上的渔船目标。研究结果可为长江十年禁渔提供技术支持。

关键词： 深度学习   遥感图像   目标检测   YOLOv5  

摘要： 高分辨率遥感图像在拍摄过程中包含了丰富的数据信息,使得目标与背景之间的差异减小,导致在检测目标时精度达不到所需要求,降低了目标检测的性能。基于YOLO深度学习算法,结合端到端坐标注意力(coordinate attention,CA)和轻量级网络模块GhostConv设计了一种轻量级网络模型GC-YOLOv5。CA沿水平和垂直方向分别对每个通道进行编码,使得注意力机制模块能够同时捕获具有精确位置信息的远程空间交互,并帮助网络更准确地定位感兴趣的目标。使用GhostConv模块代替原有的普通卷积模块(convolutional-batchnormal-SiLu,CBS),降低特征通道融合过程中的参数数量,减小最优模型的大小。使用公开的NWPU-VHR-10数据集进行了实验并在RSOD数据集上验证了模型的稳健性。结果表明,在NWPU-VHR-10数据集上的检测精度达到了96.5%,召回率达到了96.4%,mAP达到了97.7%。在RSOD数据集上也取得较好的效果。

关键词： 多目标跟踪   重识别   注意力机制   相似度矩阵  

摘要： 针对复杂环境下多目标跟踪出现漏检与数据关联算法不友好导致目标之间频繁发生切换等问题,提出了基于FairMOT框架的多目标跟踪算法MFMOT。设计了轻量化多支路注意力模块,利用通道分组降低复杂度,从三个维度进行特征增强,使网络筛选提取到特征信息。重识别分支采用PolyLoss损失函数,增强同类目标之间的语义信息以区分同类不同目标对象。提出多特征融合相似度矩阵,通过融合多种特征相似度矩阵得到最优的相似度矩阵,降低目标之间身份切换次数。实验结果表明,在MOT17与MOT20数据集中HOTA分别为61.5%与56.1%,相比原有FairMOT模型分别提升2.2个百分点与2.3个百分点。与此同时,将多特征融合相似度矩阵应用至与FairMOT相同模式的多目标跟踪方法中,HOTA、MOTA与IDF1均得到提升。

关键词： 落蔓   图像处理   黄瓜秧蔓冠层   霍夫变换   HSV色彩空间  

摘要： 针对长季节黄瓜作物人工落蔓强度大、成本高和效率低等问题,设计一种基于冠层高度阈值识别的温室黄瓜整体自动落蔓装置。为保证黄瓜冠层特征提取的正确率,对8:00、12:00和18:00实时采集的黄瓜冠层图像进行预处理,基于Otsu算法获得平滑黄瓜冠层二值图像。采用霍夫变换算法识别黄瓜冠层顶端绳束,并利用统计学方法归纳出感兴趣区域中HSV色彩空间绿色部分各分量取值范围,研究感兴趣区域中绿色像素点占总像素点的比值变化规律。为防止黄瓜卷须缠绕秧蔓冠层顶端水平绳束,以黄瓜植株高度184~185 cm为落蔓控制目标,确定感兴趣区域绿色像素占比的平均值0.162~0.182为整体落蔓装置的落蔓阈值范围。结果表明,植株高度184~185 cm和高于185 cm落蔓次数占总试验次数比例分别为90%和10%。高于185 cm落蔓组中,最高植株距离顶端绳束(195 cm)的距离为9.2 cm,无黄瓜卷须缠绕黄瓜秧蔓冠层顶端水平绳束现象,采用感兴趣区域绿色像素点占比确定黄瓜落蔓阈值方法,能够满足黄瓜生产实际要求。

关键词： 毫米波雷达   车辆检测   卡尔曼滤波   神经网络   深度视觉   目标跟踪  

摘要： 为解决现有毫米波雷达和传统机器视觉融合方案在复杂环境下车辆检测准确率较低的问题,首先,使用4D毫米波雷达替代传统毫米波雷达,使用自适应卡尔曼滤波算法滤除雷达杂波并跟踪目标;其次,使用车辆数据集训练改进深度视觉网络MobileNetV2+SSDLite来提高视觉识别车辆的准确率;最后,采用决策融合方案完成毫米波雷达信号和视觉信号融合。通过对比不同环境下的实验结果表明,改进方案可以完成对目标车辆的有效估计与跟踪,在不同环境下都有着很好的车辆识别效果,以及更好的可靠性和鲁棒性。

关键词： 图像信息量   信息量度量   信容   信息论   图像处理  

摘要： 图像不仅承载着丰富的视觉内容,同时还蕴含潜在的高级语义,是重要的信息传递媒介.度量图像信息量则是对图像信息进行定性描述和定量计算的抽象过程,属于对图像处理领域中的科学问题进行理论构建的关键环节.然而,在现有的研究工作中,虽然对“图像信息量”的度量有所提及,但实际上关注的往往是在图像质量或图像特征的层级,而忽略了图像所具有的高级语义以及人对图像的认知.因此,为了衡量图像的信息提供价值,本文基于“图像信息量因人、因任务而异”这一常识,通过建模“先验知识”相关的图像记忆并提取“给定任务”相关的图像特征,尝试对图像信息量进行度量.首先,提出图像信息量度量的理论框架,具体表现为:在“能够获得全世界所有的图像”和“能找到一种能够准确表达图像语义的特征”两个假设条件下,以信息论为基础,通过构建超球来描述样本点的邻域稠密度,由此建模语义信息的概率,进而得到理论假设条件下的图像信息量.其次,探讨了理论假设无法满足的实际情况,将“全世界所有的图像”这一假设条件退化为“给定具体的数据集”,并将“一种能够准确表达图像语义的特征”这一假设退化为“给定任务相关的特征”,进一步通过实验展示了在实际情况下如何有效获得图像信息量的数值结果.最后,指出了本文度量方法的限定对象和度量结果的边界,并展望了未来对相关体系进行丰富和完善的可行方向.