基于多方法融合的淡水水域常见藻类检测与识别

针对同种藻类形态各异、藻类相似性高、采集图像中存在气泡和杂质等带来的检测与识别准确率低的问题,提出了基于多方法融合的淡水水域常见藻类检测与识别算法。首先利用颜色信息识别藻类图像的背景颜色,为不同颜色背景的图像选择最佳的预处理与分割方法;其次使用基于形状参数、尺度不变特征变换-快速近似最近邻查找(SIFT-FLANN)、方向梯度直方图-支持向量机(HOG-SVM)的多方法融合的藻类检测与识别算法,以提高识别的准确率和鲁棒性。对25种常见的藻类进行实验与对比,其中常见的10种藻类的平均检测成功率为96.07%,对鱼腥藻、针杆藻的识别准确率较高,分别达到了100.00%与99.50%,验证了该算法对常见藻类的检测与识别具有一定的鲁棒性。

基于改进Faster R-CNN的水母检测与识别算法

提出一种基于改进Faster R-CNN水母检测与识别算法。首先,建立了包含7种水母的数据集;然后,针对ResNeXt(C=32)用于目标检测时出现计算量较大的问题,在保证精确度的前提下,将分支数C设置为8以降低计算量;最后,为解决水母检测时出现的检测精度低和小个体无法检测的问题,在残差网络中引入膨胀卷积。实验结果表明:该算法较VGG16、ResNet101、ResNeXt(C=32)和ResNeXt(C=8)方法,mAP值分别提高了3.15%、2.09%、3.01%和2.36%;F 1-score分别提高了2.53%、1.99%、2.01%和2.31%;loss损失函数收敛值更优,收敛精度趋近于0。P-R曲线、可视化效果分析和水母视频检测的结果证明:该算法的水母检测准确率和水母检测数量明显优于其他算法,检测精度较高,基本可以达到实时监测的要求。

基于DP-DBNet和MHA-CRNN的船牌号检测与识别

船牌号的检测和识别对于港口的智能化管理和解决传统人工方式监管渔船中存在的耗时耗力的问题具有重要意义.针对船牌悬挂位置,背景颜色和字符个数不统一等特点,本文提出两阶段双模型的检测和识别方法.首先,提出将双路径网络(dual path networks, DPN)与可微二值化网络(differentiable binarization network, DBNet)相结合的DP-DBNet船牌号位置检测模型.其次,提出将多头注意力机制(multi-head-attention mechanism, MHA)与改进的卷积循环神经网络(convolutional recurrent neural network, CRNN)相结合的MHA-CRNN船牌号文字识别模型.最后,以烟台芝罘区新型现代化智慧渔港项目为数据来源,并进行算法对比实验分析;实验结果表明,两种模型结合的两阶段识别方法可以使船牌号的识别准确率达到76.39%,充分证明了该模型的有效性和在海洋港口管理方面的应用价值.

一种雾霾天气下的端到端车牌检测与识别系统

极端天气的出现可能导致车牌识别系统失效,为了提高智慧交通在雾霾天气的鲁棒性,提出一种基于自适应去雾算法的端到端车牌检测与识别模型,实现了在雾霾天气下的车牌快速检测与识别。实验结果显示:所提出的网络能有效的应用在雾霾天气的车牌检测与识别系统中,实现了最高99.3%的识别准确率。

“视频行为检测与识别”专题征文通知

视频行为检测与识别是视频理解领域近年来的研究热点,该技术对视频图像中多种复杂环境下的人体行为进行智能分析,是新数字经济时代的重要支撑技术之一,具有重大的科研、社会以及经济价值,具备广泛的应用场景。与图像检测与识别技术已经相当成熟不同,视频行为检测与识别技术正处于发展阶段,还面临着诸多挑战,在跨模态、跨视角、复杂行为情况下的行为精细理解还有较大的研究空间。

基于时空双分支网络的行为检测与识别技术研究

针对传统行为识别方法难以适应复杂的电厂环境,且未充分利用监控视频的时序信息等问题,提出了一种基于时空双分支网络的行为检测与识别技术。该技术利用时空双分支网络提取图像特征,分别基于卷积神经网络、循环神经网络获取图像的空域及时域特征,且使用混合组卷积与横向连接完成特征融合。同时将融合特征作为Softmax分类函数的输入,并经过分数计算得到行为类型。以某电厂的视频监控数据集为样本进行的实验分析结果表明,所提技术方案的行为识别准确率高达94%,且收敛速度快,优于其他对比技术,能够有效解决电厂的行为检测与识别问题。

基于Faster R-CNN算法实现航空照片的目标检测与识别

基于深度学习的目标检测与识别技术旨在提升信息提取的时效性和目标检测的准确性,推动数据优势经由知识优势转化为决策与行动优势,对于科技发展有重大意义。基于Faster R-CNN的网络架构,采用基于MMDetection算法的识别解决方案,打通“探测—识别—感知”的壁垒,实现快速、精准地对航空影像检测与识别。研制出基于Web端显示的实时目标识别系统,通过对公开航空照片进行试验测试,最终结果展示算法鲁棒性强,系统运行稳定可靠。

废旧液晶屏自动化检测与识别生产线设计研究

根据中国液晶屏回收处理现状,结合废旧液晶屏的结构特征、装置功能设计要求确定废旧液晶屏自动化检测与识别生产线的总体方案和布局设计。基于模块化思想对生产线整体结构进行功能划分,完成各功能模块的机械结构设计。

基于组合核多特征融合的GIS局部放电检测与识别

GIS局部放电模式识别是其绝缘状态评估的重要部分,搭建了252k V GIS局部放电实验仿真平台,采用超高频和超声波检测法对4种典型绝缘故障进行局部放电检测,得到了相应的放电信号,并根据信号特点获取了相应的统计参数图谱,提取了相应的特征参数;采用K-折交叉验证和粒子群算法对组合核参数法进行了核函数参数优化,然后采用优化后的算法融合了超高频和超声波特征参数,分别将融合后的参数和单一的超高频及超声波参数输入到分类器中进行放电模式识别。结果表明,多特征参数融合后的识别率要高于单一特征的识别率,融合后的识别率可达92%。

基于dq变换与小波变换的电能质量扰动检测与识别方法

提出了一种基于dq变换和小波变换相结合的电能质量扰动检测与识别方法,该方法利用dq变换有效值的特征和小波变换对突变信号的敏感性,能对电压暂降、暂升等10种电能质量扰动进行检测与识别,具有较高的识别正确率,并能计算出各种扰动的特征参量。同时,还对部分多种扰动同时发生的情况进行了初步探讨和仿真研究,并取得了较好的检测识别效果。

基于MATLAB图像处理的车辆检测与识别

针对目前汽车检测与识别所采用的方法在各个方面存在的不足,提出了一种基于MATLAB图像识别和处理技术的车辆检测方法,并用实例验证了其可靠性。该方法减轻了操作者的劳动强度,弥补了人在视觉与反应方面的不足之处,提高了统计的效率及准确率。

电能质量扰动小波变换检测与识别方法的发展

电能质量扰动问题近年来已经成为众多领域关注的焦点,国内外学者提出了一系列对电能质量扰动进行分析的方法。介绍几种常用的电能质量扰动检测和识别方法,重点分析了基于小波变换以及小波变换与其他方法如时域分析法、d-q变换、人工神经网络等相结合的电能质量扰动识别方法,比较了各种方法的特点,指出了该领域研究发展的前景。

基于图像处理的谷物检测与识别方法研究进展

基于图像处理的谷物检测与识别方法不仅效率和准确率高而且劳动强度小,具有广阔的应用前景。从谷物虫害检测与识别、谷物成分检测、谷物品种识别与分类以及谷物品质检测与分级等方面综述了基于近红外图像、软X射线图像、可见光图像的谷物检测与识别方法的研究进展,分析了各种方法的优缺点,提出了未来基于图像处理的谷物检测与识别方法的研究方向以及发展趋势,以期能充分利用国内外的最新研究成果,推进国内在该领域的研究步伐。

基于视频的运动目标检测与识别

为了对目标进行跟踪和识别,针对固定场景提出一种基于视频的运动目标检测和识别算法。该方法采用改进的混合高斯模型为动态背景更新方法,并结合梯度背景差分方法及Otsu′s阈值分割法提取出运动目标,然后利用目标特征参数建立目标链,通过两条目标链间的目标特征匹配实现运动目标的快速跟踪与行为识别。该方法与传统方法相比具有更好的学习能力,提高了算法的场景适应性,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。

复杂环境下的交通标志检测与识别方法综述

交通标志检测与识别是无人驾驶三大模块中环境感知的研究热点之一,检测和识别交通标志可以向无人车传递道路交通信息,优化行车决策。在暴雨、大雾以及光线昏暗等复杂环境下,拍摄到的图像往往会被遮挡,变得模糊。这不仅影响图像的质量,还会对后期标志的检测与识别带来巨大的困难。简述了交通标志检测与识别方法,对近年来国内外学者解决各类复杂环境下交通标志检测与识别的方法、原理和步骤进行了总结归纳,有利于人们更好地解决此类问题。同时,对常用的交通标志数据集进行了总结,并对数据集里在复杂环境下拍摄的图像比例给予了说明。

瞬变电磁法用于检测与识别硐室爆破盲炮的可行性探讨

应用瞬变电磁法对硐室爆破盲炮的检测与识别进行了可行性研究。试验时先确立电磁背景场,然后在硐室中预置良性导体并测得电磁场后消除背景场,在爆破后再次进行瞬变电磁测量。通过对比爆破前后预置良性导体涡流场的变化,实现硐室爆破盲炮检测与识别的目的。试验结果表明,当铝箱目标体埋深不超过30 m时,瞬变电磁检测法可以明确地确定铝箱的位置;当铝箱埋深超过30 m后,铝箱形成的二次涡流场层次不明,不能确定铝箱的埋深与位置。

GPS/SINS组合导航系统的故障检测与识别

针对GPS/S IN S组合导航系统的故障检测与识别,提出一种层次滤波器结构,该结构包含主、子滤波器两个层次,使用不同的卫星量测信息。通过监测主、子滤波器的故障检测结果,识别出具体的故障卫星,利用未包含故障星的滤波器可进行不中断导航。完成了基于层次滤波器结构的GPS/S IN S滤波算法和故障检测算法设计,将该方案应用于伪距组合的GPS/S IN S紧耦合系统,仿真结果表明当只存在4颗可见星时,该方案仍能有效地检测和识别单颗卫星故障,增强了系统的完好性;同时仿真验证了该结构具备检测两颗以上卫星故障的能力,但不能识别具体的故障星。

红外弱小目标检测与识别一体化方法研究

针对天基红外预警卫星获得的红外图像的特点，分析了传统的红外弱小目标的检测与识别方法并指出了其存在的检测时间长，虚警概率高等不足之处。根据导弹预警系统对目标检测的实时性、快速性和准确性需求及导弹尾焰红外辐射光谱特性，提出了一种窄带高光谱的红外弱小目标检测与识别一体化方法。仿真实验采用了一个典型的红外背景图像，根据两类典型导弹尾焰在2．7～2．9μm波段范围内的红外辐射信息，生成了20幅SNR为2．0～2．5的红外图像，结果验证了该方法能快速准确的检测并识别导弹目标。

基于Edge Boxes的大型车辆车标检测与识别

传统车标检测与识别算法难以检测大型车辆车标,且速度较慢。提出了一种基于Edge Boxes的大型车辆车标检测与识别方法。Edge Boxes算法是一种成熟的图像分割算法,能够快速且有效地检测物体位置,满足大型车辆车标检测与识别问题的准确性及实时性的需求。该方法首先根据车标在车辆中的空间位置关系初选车标候选区,然后利用Edge Boxes算法进行目标提取,进而将提取得到的目标送入利用线性约束编码构建的车标检测分类器和车标识别分类器进行训练与识别,得到车标检测与识别结果。对不同卡口的不同天气和光照条件下采集的4 480张图像(含50类大型车辆)进行实验,实验结果表明,在检测与识别性能以及时间消耗方面均优于传统方法,具有良好的实用前景。

智能视频监控中的人体检测与识别

针对传统的单点视频检测,提出了一种智能的视频人体检测与识别方法。该方法首先通过彩色空间的降维,在线更新背景模型,消除时间变化引起的阳光、天气等因素对背景图像的影响。然后对视频图像当前帧和背景帧差分检测和当前帧Canny边缘检测,得到视频人体初始差分边缘模板。最后对人体进行分割、测量,融合形状比例特征和人体区域比对法识别人体,进而更新差分边缘模板。实验证明了视频人体检测与识别方法准确率高,处理时间短,存储量小。