一种利用边缘方向直方图检测绝缘子的方法

在图像/视频中自动检测和定位绝缘子是绝缘子故障诊断重要前提,但是目前还没有高效的、成本较低的检测绝缘子方法。本文提出了一种利用边缘方向直方图定位绝缘子的方法。首先,分别计算图像子块和模板的边缘方向矢量,并通过矢量变换得到变形模板的边缘方向矢量;之后,针对分块的图像,通过模板与之边缘方向矢量匹配,得到绝缘子的候选区域;而后,对候选区域进行连续性判断,从而实现绝缘子的准确定位。实验表明该算法能够较好地在图像/视频中检测和定位绝缘子。

结合关键点和注意力机制的人员着装检测方法

针对工业生产安全系统中缺乏自动监管功能,设计了一种基于人体关键点定位和图像区域注意力机制的人员着装检测算法,对工地、码头、矿场等施工场所的工作人员进行工装佩戴标准检测,从而保障工作人员安全。结合人体姿态估计算法对人员着装区域进行定位,提出一种基于图像区域的注意力机制对服装特征进行有效表征,将复杂的人员着装检测任务解耦为目标检测和图像分类任务,提高了工业场景中的人员着装检测效率和性能。在MSCOCO及自定义煤矿场景着装检测数据集上的实验证明,提出的模型在人员定位和着装检测任务上均取得了优异的效果(MSCOCO数据集上AP50达到最优),具有较强的鲁棒性,可以适用于多种复杂环境。

基于类间距离蒸馏的语义分割

知识蒸馏被广泛应用于语义分割以减少计算量.以往的语义分割知识提取方法侧重于像素级的特征对齐和类内特征变化提取,忽略了对语义分割非常重要的类间距离知识的传递.为了解决这个问题,本文提出了一种类间距离提取方法,将特征空间中的类间距离从教师网络转移到学生网络.此外,语义分割是一个位置相关的任务,因此本文开发了一个位置信息提取模块来帮助学生网络编码更多的位置信息.在Cityscapes、Pascal VOC和ADE20K这3个流行的语义分割数据集上的大量实验表明,该方法有助于提高语义分割模型的精度,取得了较好的性能.

基于深度学习的真实复杂矿区环境人脸识别

目前基于深度学习的人脸识别技术广泛应用于办公打卡和门禁等系统,但其识别环境较为理想,在实际工作中无法取得较好成果,不能实现真实工作场景(如低照度、小脸、大角度)下的识别。本文提出了一种高效的真实安防监控探头下的人脸识别方法,该算法支持在实际工作场景低照度、小脸和大角度情况下人脸识别,具有更好的鲁棒性。(1)高效的金字塔分块卷积神经网络能够更好地提升图像感受野,使模型具有更强的图像特征提取能力;(2)设计了一种多尺度的人脸检测模块,较好地解决了小脸情况下的检测;(3)采用了人脸超分和人脸对齐技术,有效地解决了在低照度和大角度的情况下,识别效果不佳的问题;(4)采用ArcFace损失函数,将人脸数据库中人脸特征与安防监控探头下采集到的人脸图像特征进行相似度比较,实现人脸识别任务。本文在两个公开的LFW数据集和CASIA-FaceV5数据集上验证了模型的有效性,准确率分别为99.43%、99.5%。在真实矿区人脸识别场景也具有较强的应用价值,验证了所提方法的可行性和高效性。

基于深度学习的智能化无人机视觉系统设计

针对无人机飞行高度高、目标尺度变化大、目标存在密集遮挡等问题,本文将对基于深度学习的无人机目标探测与识别以及视觉定位进行深入探讨,并设计出一套无人机目标探测与定位系统。研究选用Yolov5深度学习网络模型进行目标检测,基于Darknet深度学习框架完成端到端的训练预测,最后利用AprilTag视觉基准库完成无人机自身空间位置的辅助定位。测试结果表明,Yolov5模型的参数量只有5.3,准确率为97.41%,召回率为90.73%,mAP为83.2。AprilTag辅助定位的拟合精度达95%以上。研究设计的基于深度学习的智能化无人机视觉系统不仅具有实际的工程价值,更具有重要的社会意义。