基于改进SSD算法的城市轨道交通多通道闸机控制研究

城市轨道交通多通道闸机独立工作,对多个闸机精准控制难度较大,所以研究基于改进SSD算法的城市轨道交通多通道闸机控制方法;将SSD网络与FPN网络相结合,结合先验框生成与损失函数优化实现SSD算法改进,利用改进SSD算法和数据融合结果识别通行目标;根据通行目标识别结果和传感器设备确定闸机通道内的通行情况,从而设计多通道闸机控制处理子程序,完成城市轨道交通多通道闸机控制;实验结果表明,在改进SSD算法作用下,闸机闭合状态始终与行人的当前行进方向保持一致,提高了控制精准度和实时通过率。

基于改进SSD算法的双目立体视觉人车距离检测方法

为提高人车距离检测效果,有效避免或减少由于未保持安全人车距离而导致的交通事故,研究了基于改进SSD算法的双目立体视觉人车距离检测方法。利用基于FPGA的双目立体视觉图像采集系统采集行人图像后,首先分别使用基于主色检测与灰色传播的彩色图像灰度化方法、小波阈值去噪方法对图像进行预处理,然后应用改进SSD算法检测车前行人,经SIFT特征匹配算法匹配双目立体视觉图像行人特征,最后估计双目立体图像视差,结合双目立体视觉测距原理完成人车距离检测。结果表明:该方法可有效检测人车距离,最大距离误差不超过0.16 m,且图像预处理结果可为距离检测打下良好的基础。

基于改进SSD算法的安全驾驶行为识别方法研究

提出一种基于改进的SSD网络的安全驾驶行为识别方法。针对SSD目标检测算法VGG16网络结构的不足之处,用表征能力更强的Inception-ResNet网络进行替换;用残差学习算法减少网络学习维度,降低网络训练难度;引入多层特征金字塔结构,用改进三分支残差网络对小目标的语义进行多特征融合,从而在反向传播时可以获得后续多层的梯度信息,提高目标检测精度。给出了Tensorflow平台下具体的实现过程,测试结果表明,该方法能够实时有效地识别驾驶员疲劳状态,提高驾驶安全系数,减少交通事故。

改进SSD算法的无人喷雾机避障路径规划

传统无人喷雾机避障路径规划算法存在规划路径规划精准度与规划效率无法平衡的问题,导致在高精度规划设定下,算法寻优过程较为复杂,整体规划效率偏低;设定高效率寻优条件下,所得路径偏差较大,严重影响正常农业生产。为了解决精度与效率的平衡问题,引入改进的SSD算法,对无人喷雾机避障路径规划过程进行全程优化;通过建立改进的SSD算法卷积模型、创建障碍目标注意力机制、避障路径规划;实现提升模型特征影响程度,优化路径障碍分析能力,增强障碍路径规划计算能力的效果。通过对比实验数据表明,经过提出算法优化后的无人喷雾机避障路径规划精准度与规划效率均有所提升,能够更好地平衡障碍规避精度与路径规划效率,具有较高的研究价值。

基于改进SSD的钢材表面缺陷检测

工业生产过程中,钢材表面缺陷的检测对于钢材的质量控制发挥着十分重要的作用,针对钢材表面缺陷检测中存在的检测精度低、检测速度慢等问题,提出了一种钢材表面缺陷检测的改进SSD算法。在所提算法中,采用Transformer多头注意力机制模块代替原SSD结构中的Conv5_1层,以提高小目标检测的能力;原SSD结构中的Conv7操作替换为Involution算子操作,以减少运算的参数量;对网络结构进行特征融合处理,以更全面地检测特征图中所包含的信息。利用NEU-DET数据集进行实验,实验结果表明改进后的SSD算法是有效的,可以高效检测到钢材表面的小目标缺陷,相比改进前平均检测精度提高了4.5%,检测速度提高了13.6%。

基于改进SSD的人脸特征检测算法的研究

进行了基于面部特征识别的驾驶员疲劳检测研究。设计了一种基于改进SSD的人脸特征检测算法,引进Resnet网络残差模块,解决了传统SSD算法训练的网络退化问题;使用Resnet-50替换原始SSD网络框架,有效减少了模型参数并提高识别率。针对驾驶室背景复杂的应用场景,采用Focal Loss代替Softmax Loss,以平衡正负样本的比例。实验结果表明:改进SSD算法在自建的人脸特征数据集上的平均识别准确率为98.1%,比传统SSD算法提高了7.6%,体现为提高了对遮挡目标的识别率,且保持了较快的收敛特性。

基于改进SSD的安全帽佩戴检测方法

安全帽是保障工业现场施工人员生命安全的关键性防护装备之一。针对现有安全帽佩戴检测速度慢及小目标识别准确率低的问题,提出了一种基于改进SSD算法的安全帽佩戴检测方法。采用VGG16作为基础模型,综合Faster R-CNN与YOLO算法的优点,在保证检测准确率的同时提高检测速度。利用不同卷积层的特征图,在多个特征图上产生多个候选框,提高了小目标检测的准确率;采用Adam优化器实现训练过程中神经网络的快速收敛;同时利用VGG16预训练模型的泛化能力进行迁移学习,加速了训练过程并减少了对数据量的需求。测试实验表明,相比于Faster R-CNN目标检测算法,该模型检测速度显著提升;相同的迭代次数下,相比于SSD模型,该方法对佩戴安全帽检测的平均准确率提升8.4%,达到了91.7%。

基于SSD目标检测的硬压板图像识别

为了减少变电站运维人员由于人为记录而导致硬压板状态误投退操作,本文提出了对传统SSD目标检测法进行改进,运用所改进的SSD网络模型对变电站中的硬压板图像进行识别,通过收集来的硬压板图片进行数据扩充、网络训练,得到能够识别硬压板状态的改进型SSD目标识别网络,最后通过验证集进行网路验证,结果证明了所提出的改进型SSD目标检测算法能够很好的识别硬压板状态,提高了变电站智能化水平。

一种基于机器视觉的精准注意力追踪系统

针对学生注意力分配困难和对学习影响等问题,提出一种基于机器视觉的精准注意力追踪系统。该系统包括图像采集装置和精准的注意力追踪算法。图像采集装置可以获得更清晰的眼部区域图像。瞳孔中心定位算法用轻量级的MobileNet v3替换VGG16(visual geometry group network),采用两级特征融合和中心关键点预测技术,提高了检测速度和准确率。该算法检测速度可达36帧/s,准确率为97.42%。视线追踪算法旨在解决头部偏移的影响,实现对视线的精确追踪。研发了一款面向学龄儿童的阅读认知评价交互软件。该软件利用采集到的视线坐标计算相关眼动指标,再通过心理学理论分析建模来评估学龄儿童的思维认知能力,为心理学和教育学相关领域研究提供了参考和借鉴。

改进SSD模型在高分二号遥感影像中高速公路收费站点位提取的应用

以高分二号遥感影像中的高速公路收费站为研究对象,选取了北京、山西、河南、广东、福建5个省市2019年的高速公路收费站点位和0.8 m遥感影像,通过图像预处理、样本标注、裁切、数据增强、样本集划分的步骤制作训练样本集;引入"多尺度特征融合"的方法对SSD目标检测模型进行改进,通过增加"转置卷积"和"拼接"操作,将高层次特征图像的语义特征赋予低层次特征图像,以增强上采样质量与特征融合能力,从而提升了模型对小目标收费站的检测效果;将改进SSD模型用于2019年福建省高分二号影像中的收费站点位提取,沿福建省高速公路路网矢量对影像进行自动切片,将切片输入模型中进行目标检测;保留有收费站的切片,使用非极大值抑制去除多余的检测框,将剩余的检测框的坐标变换为中心点的坐标,可以直接输出得到高速公路收费站的中心点矢量,从而实现对于收费站点位的端到端自动化提取。研究结果表明:改进SSD模型的精度、召回率及二者的调和平均数分别为0.86、0.88和0.87,均优于传统的SSD, VGG, Faster R-CNN和特征金字塔网络模型。可见,对收费站点位的自动提取可以大大提高公路管理者的工作效率,有效满足公路管理者的实际工作需求。

基于嵌入式设备的轻量级疲劳检测系统

针对嵌入式设备性能受限问题,设计了一种基于改进的SSD算法的疲劳检测系统。系统采用改进的SSD算法进行人脸检测和轻量级PFLD算法定位面部特征点,最后进行面部关键特征的疲劳判断。通过优化SSD算法网络结构和使用轻量级特征点定位算法,实现了在嵌入式处理器上疲劳检测。实验结果表明,轻量级疲劳检测系统在嵌入式处理器上具有良好的实时疲劳检测性能,并能够及时给予疲劳报警。