关键词： 动作质量   评价   计算机视觉   信息获取   特征表示   损失函数  

摘要： 基于视觉的人体动作质量评价利用计算机视觉相关技术自动分析个体运动完成情况,并为其提供相应的动作质量评价结果.这已成为运动科学和人工智能交叉领域的一个热点研究问题,在竞技体育、运动员选材、健身锻炼、运动康复等领域具有深远的理论研究意义和很强的实用价值.本文将从数据获取及标注、动作特征表示、动作质量评价3个方面对涉及到的技术进行回顾分析,对相关方法进行分类,并比较分析不同方法在AQA-7、JIGSAWS、EPIC-Skills 2018三个数据集上的性能.最后讨论未来可能的研究方向.

关键词： OpenMV   目标检测   目标跟踪   STM32   舵机云台  

摘要： 文章详细探讨了基于OpenMV的目标检测与跟踪系统的设计与实现。该系统采用STM32单片机作为核心控制单元,结合OpenMV模块的强大视觉处理能力,实现了高效且精确的目标检测与跟踪。并进一步通过舵机云台的精确控制,系统能够动态调整摄像头角度,实时追踪目标,确保目标始终保持在视野中心。此外,为了提升系统在不同环境下的适应性,还集成了LED补光电路应对光线不足的情况;声光提示电路,提供直观的反馈;OLED显示模块用于实时显示系统状态和目标信息。经实验验证,该系统展现出高准确性、高稳定性和良好的用户体验,为智能视觉系统、无人机导航、安防监控等领域的研究与应用提供了有力的技术支持和宝贵的参考经验。

关键词： 车道线检测   图像处理   Sobel算子   边缘检测   灰度化方法  

摘要： 车道线检测是汽车实现自动驾驶的重要一环,当前通过提取图像低级特征进行边缘检测是识别车道线的最佳方法之一。车载摄像头拍摄的RGB(Red Green Blue,红绿蓝)图像存在大量冗余信息,会对检测结果造成诸多干扰,为此提出一种高效图像预处理方法。针对结构化道路的车道线图像,提取ROI(Region of Interest,感兴趣区域),进行灰度化、滤波降噪等预处理。采用基于传统Sobel算子改进的四方向Sobel算子,同时结合基于Lab色域的灰度化方法,以增强车道线边缘特征,对于强光和阴影干扰,通过该方法仍能够清晰检测出车道线,该方法在提高车道线检测准确性方面效果显著。

关键词： γ光子   无损检测   软件设计   图像处理   质量优化  

摘要： 针对利用γ光子对工业零部件内部进行成像的图像空间分辨率较低以及边缘模糊等问题,在传统MLEM算法的基础上提出一种EP-MLEM重建算法。通过在重建的每一次迭代过程中进行优化来提高图像的质量。设计一组工业多通管仿真模型进行仿真,并分别对传统MLEM算法和改进的EP-MLEM算法重建后的图像进行图像质量评价。仿真实验表明:EP-MLEM算法重建图像的PSNR和SSIM分别由21.1434和0.6158提升到了23.1383和0.7198,EP-MLEM算法在边缘表现方面强于传统MLEM算法。

关键词： 图像处理   水下图像增强   浑浊水体   深度学习   改进Shallow-Uwnet网络模型  

摘要： 针对浑浊水体环境下图像对比度降低和色偏严重等问题,构建模拟真实浑浊水环境的水下图像数据集,提出了一种基于改进Shallow-UWnet网络模型的浑浊水体图像增强方法。首先,使用灰度空间算法对原始图像进行全局颜色校正,再利用改进的Shallow-UWnet网络模型,学习失真图像与正常图像的映射关系从而实现水下图像增强,然后使用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)方法提高图像对比度,从而得到最终的增强图像。实验结果表明,本方法在主客观评价指标和特征点匹配应用指标上优于其他5种参考方法,能有效校正不同浑浊水环境下图像的色偏,提升图像的对比度和清晰度。本方法可以适用于水体较为浑浊的水下原位环境,为提高水下场景的视觉质量提供了有效的解决方案,在水下探测、水下救援、水下考古等领域中具有广泛的应用前景。

关键词： 激光雷达   目标检测   攻击方法   防御方法  

摘要： 激光雷达技术在自动驾驶、智能交通和环境感知等领域有着广泛应用。在自动驾驶系统中,利用机载摄像头和激光雷达等对周围环境进行感知,点云目标检测技术在环境感知方面发挥着重要的作用。近年来的研究指出,基于激光雷达的点云目标检测系统容易遭受欺骗攻击。然而,目前对基于激光雷达的点云目标检测的安全性问题的研究相对零散,设计的安全威胁场景、攻击方法和防御策略相互独立。基于现有研究工作,首次对基于激光雷达的点云目标检测的安全性进行了综述,主要关注该技术在实际应用中可能面临的安全挑战和解决方案。首先,全面回顾了基于激光雷达的目标检测和攻防理论;其次,从数字域和物理域双重视角分析了攻击方法,并对现有的防御策略进行了详尽的分类和总结;接着,介绍了该领域目前常用的数据集及评价标准;最后,结合面临的挑战和机遇,对基于激光雷达的目标检测安全的未来研究方向进行了总结和展望,为基于激光雷达的点云目标检测的安全研究的发展和应用提供参考。

关键词： 辣椒根系   原位监测   图像分割   感兴趣区域   迁移学习  

摘要： 【目的】根系的主要作用是吸收水分和吸收养分,对根系的研究是植物营养学、育种学和基因组学中十分重要的内容。根系形态的准确获取是农业生产中基因改良、提高水肥利用效率、改善作物品质和提高产量的先决条件。根系形态的原位监测与根系参数实时获取是作物营养供给、基因调控以及作物生理过程等研究的重要手段。由于根系形态获取困难、根系图像复杂以及背景对比度低等原因,根系形态原位监测与根系图像的分割较为困难。【方法】研究使用自制的根系形态采集系统获取根系原位图像,并通过在U2Net网络中构造感兴趣区域建立了一种高效、准确的复杂根毛图像分割模型。首先利用根系图像阈值分割结果作为区域基,在区域基的周围添加部分像素,来定位根系所在的区域,从而构造感兴趣区域;随后引入U2Net网络,增加迁移学习部分进行预训练,提供模型权重初始参数;并在网络中加入根系形态的先验知识对图像进行分割,并提取根系参数。【结果】该模型在不同种类根轴和根毛分割方面效果较好(F=0.922)。使用聚乙烯线制作了仿真根系与该方法对比,本试验的根系形态采集系统及其图像处理算法能较为准确的获得采集系统视野范围内的根系参数,对根轴的提取最大误差不超过6%,对根毛的提取最大误差不超过10%。对于不同的根系均能以较高的精确度获得根长、平均直径等参数,为进一步使用该系统进行原位监测提供了较为可靠的技术手段和方法。使用该方法对根系生长形态随时间的变化进行了监测,发现根系在第22天时,主根数量较少,根毛也较少;第33天时,根系发育旺盛,根轴较为丰满,有丰富的根毛;到第55天时,根轴仍然很丰满,但根毛却减少。【结论】该方法能够分割和提取根毛信息,并能够对同一个部位的形态进行长期动态监测。本研究方法同样适用于植物营养学、育种学和生态学等根系局部特征的研究。

关键词： 护目镜佩戴检测   数据增强   目标检测   SPD   坐标注意力机制  

摘要： 目的解决目前危化实验室、工厂等危险环境下护目镜佩戴情况检测存在的人工检查效率低下、无法有效保障人员眼部安全等问题。方法首先构建出护目镜佩戴检测数据集,其中包含4个真实场景图片与部分网络爬取数据集,并通过数据增强等手段将原始的3383张扩充至5462张图片,构成最终数据集,使各个样本数量达到均衡,有效预防了因样本不均衡导致的模型精度低的问题;接着提出改进型YOLOv5目标检测算法来实现对护目镜佩戴情况的自动检测,算法在YOLOv5中添加SPD小目标检测模块,该模块完全消除了传统卷积模块中导致信息丢失的步长卷积和池化操作,使网络保留更多信息,引入坐标注意力机制解决了因添加SPD带来的相邻位置关系无法有效提取的问题;同时,将原本的损失函数替换为SIoU损失函数,有效解决了真实框与目标框相互包含情况下的IoU计算问题,减少了计算自由度,降低了模型计算量,提升了模型准确率。结果在护目镜配戴检测数据集上的实验结果表明:改进型的YOLOv5模型在护目镜佩戴检测数据集上的平均精度为72.7%,相较于原始YOLOv5模型平均精度提高了5.6%。结论该模型实现了对复杂环境下护目镜佩戴情况的基本检测。

关键词： 图像处理   图像分割   P系统   活性膜结构   北方苍鹰优化算法   进化规则  

摘要： 为克服优化算法易陷入局部最优和收敛速度慢的局限,提高扩展膜系统在图像处理领域的优化性能,提出一种基于扩展型活性膜系统(P system)的改进北方苍鹰优化(improved northern goshawk optimization,INGO)算法——PINGO.采用北方苍鹰优化算法作为基本膜中的进化规则,通过更新苍鹰的状态进化基本膜中的对象,将INGO算法作为局部进化规则来进化子膜中的对象.该系统根据活性膜自身的特点在基本膜中溶解或产生子膜,通信规则用于实现不同膜之间的信息交换与共享,避免算法陷入局部最优.在数据集BSD300和BSD500上,分别采用海鸥优化(seagull optimization algorithm,SOA)算法、灰狼优化(grey wolf optimizer,GWO)算法、INGO算法和PINGO算法,对不同优化阈值个数的图像进行分割.结果表明,PINGO算法在分割后的图像上的峰值信噪比均优于其他算法,特征相似度最优值也占了83%,在保持色彩与纹理的同时提高了分割的准确性.研究结果表明了所提彩色图像分割方法的有效性.

关键词： 图像处理   潜在低秩表示   Schatten-p范数   中值滤波  

摘要： 为了解决潜在低秩表示(LatLRR)方法中使用的核函数可能导致的对秩函数逼近出现偏差问题,采用基于Schatten-p范数与潜在低秩分解的方法,进行了理论分析和实验验证。通过中值滤波方法对图像去噪,利用基于Schatten-p范数和LatLRR的图像分解方法,将图像分解为低秩部分与显著部分;采用算数平均策略融合红外与可见光的低秩部分,采用求和策略融合红外与可见光图像的显著部分;最终采用求和策略融合已融合好的低秩部分与显著部分,得到兼具清晰的纹理信息和显著的热故障信息的红外与可见光融合图像。结果表明,最佳融合效果的p值为0.6,在7种算法中有最好的融合性能。该方法能够有效地捕捉电力系统红外与可见光源图像中丰富的整体结构和局部结构信息。