基于UPF的小目标检测前跟踪算法

为提高对复杂环境下小目标的联合检测和跟踪性能,提出了一种基于粒子滤波的小目标先跟踪后检测(TBD)算法。通过粒子滤波对小目标的运动状态和出现状态进行联合采样,并采用Unscented粒子滤波(UPF)方法对TBD算法进行了具体实现。新算法真正将跟踪思想引入到目标检测中去,对小目标的联合检测与跟踪具有灵敏度高,捕获概率和跟踪性能高,对采样粒子数要求低等优点,能有效增强红外搜索与跟踪系统的"边检测边跟踪"能力。

基于嵌入式的运动目标检测与跟踪的研究与实现

我国智能设备正处于发展的初级阶段,嵌入式平台在传统的硬件设施上的应用还有很大的发展空间。由于嵌入式系统拥有可靠、便携等特点,因此可以应用于家庭监控、智能交通等各个方面,而且近年随着ARM芯片性能的不断提高和计算机视觉算法的突破,使得图像分析技术应用到嵌入式平台。该次主要针对应用于传统视频的高速公路的车辆目标跟踪系统的研究与开发。主要研究内容及工作有:(1)高速公路的车辆目标检测跟踪系统的总体设计及软硬件平台的搭建。根据对嵌入式平台的性能和成本考虑,最后选择tiny210作为开发板,摄像头采用罗技C210,通过裁剪和移植Android系统使其适用于开发板。系统的软件框架主要分为驱动层、驱动服务层、图像分析层、应用层。利用NDK包结合C/C++和Java进行混合开发,以C/C++高性能贴近硬件的特点去写驱动层、驱动服务层、图像分析层。应用层主要使用Android的UI框架。(2)高速公路的车辆目标检测跟踪的理论基础与相关算法的实现。针对硬件平台的特性和应用在高速公路的情景下,我们采用存储空间小、计算量小、实时性好的vibe检测算法并详细介绍运动目标跟踪框架,在最后,对vibe检测算法实现并分析结果。

基于改进YOLOv7的变电设备红外图像轻量识别检测方法

变电站设备准确的红外热图像识别与检测是其温度状态智能分析的先决条件。为了克服复杂背景的干扰,提出了改进的轻量级YOLOv7方法,以提高在复杂红外背景下变电站设备的识别效果。提出的方法引入了高分辨率P2检测头来改进小目标检测,无参数注意模块SimAM在复杂红外背景中更好地提取不同变电设备目标特征,CARAFE模块在上采样过程中减少特征信息的损失,进一步增强算法的鲁棒性。实验及测试结果显示提出的模型比原始YOLOv7-tiny高出2.6%检测精度,实现了101 FPS(帧数)的实时推理速度,证明了所提出的模型在变电站设备的红外图像目标识别方面的优势,特别是较小的变电设备,并且提出的模型比其他轻量级模型拥有更高的识别检测精度。

一种有效的图像阴影自动去除算法

视频内容分析要求比较精确的目标检测方法。常用的背景减方法在检测运动前景时也会检测到运动目标投射的阴影,将阴影区域误认为目标区可能造成运动目标粘连或者目标区域几何变形,影响后续内容分析结果,因此去除阴影对于提高后续内容分析的准确性提供了保障。本文提出一种基于颜色统计特性的阴影去除方法。首先利用背景减的方法得到包含阴影的候选目标区域。进一步,分析候选目标区域和背景在YCbCr颜色空间的差值统计特性,发现阴影区域有很强的规律性:色度分量与背景区域一致性很高,亮度分量有固定的差。根据上述规律,设计算法去除阴影区域。与现有方法的对比实验结果表明,本文方法能够很好的去除阴影区域,同时又保持了前景目标区域的完整性。

视频足球比赛中的团队行为识别研究综述

对有计划高协同性多运动员(智能体)团队行为的理解和识别,是计算机视觉研究领域的重要研究问题之一.从视频足球比赛行为识别过程中的目标跟踪与检测、行为表示、分类器的构建及行为识别等4个方面详细分析和总结了团队行为识别研究国内外现有成果;分析了团队行为识别研究尚待解决的问题及未来研究趋势,为未来的视频足球比赛中团队行为识别及多目标行为识别的研究提供了新思路及文献参考.

改进YOLOv3网络的海洋生物识别算法

受到水下光线不均匀的影响,水下图像存在颜色失真和曝光不足等问题,这严重影响了水下目标识别精度。基于GAN提出一种改进YOLOv3网络的海洋生物识别算法,该算法主要对YOLOv3网络作了以下改进:将训练好的UGAN-P的生成网络加入YOLOv3检测网络中,作为其增强网络。该算法改变了传统水下图像增强与目标检测分开进行的现状,使网络增强部分更有利于海洋生物识别准确度的提高。检测网络部分还通过K-means聚类数据集中目标框大小来修正anchor box,使得anchor box更加符合数据集目标尺寸。同时,与Faster R-CNN算法进行了实验对比。实验结果发现,改进的YOLOv3网络相比YOLOv3网络的平均精度(m AP)提高了4.2%,召回率(recall)提高了7%;其检测速度为18 fps,是Faster R-CNN网络检测速度的九倍。

融合改进YOLOv5算法的图像全站仪全自动测量方法

针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进YOLOv5算法的图像全站仪全自动测量方法。应用融合卷积注意力机制模块的YOLOv5算法,实现了反射片靶标的广角镜头识别与检测;应用目标自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。借助自研的图像全站仪开展了反射片靶标的识别与检测实验和目标点全自动测量实验。实验结果表明,利用改进的YOLOv5算法对反射片靶标的识别与检测的准确率可达98.65%;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了1.5倍。所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。

基于改进Hybrid A^(*)的旋翼无人机路径规划算法

针对自主导航四旋翼无人机飞行过程中,非光滑的路径会导致无人机的快速旋转或翻转,从而造成目标丢失和检测精度低等问题。本文结合四旋翼无人机在三维飞行中的运动学和动力学模型,路径规划搜索出光滑与平稳的轨迹,从而提高目标识别的精度。将改进的Hybrid A^(*)算法应用于四旋翼无人机前端的三维路径搜索。后端对前端生成的轨迹进行非线性优化平滑处理,将路径规划的每一个路径点的位置、速度、加速度和角速度进行非线性优化处理,得到平滑、鲁棒与安全的轨迹。通过提高作用于无人机推力的鲁棒性,最终提高无人机目标识别、检测和侦察时的准确度。与fast planner算法相比,无人机快速飞行的鲁棒性得到提高,路径的平滑程度提高了1.1倍,目标识别准确率提高了1.15倍,目标丢失的个数减少了50%。通过改进Hybrid A^(*)的启发式函数和后端对控制点进行非线性优化,四旋翼无人机能够平滑与稳定的飞行,提高了目标识别的准确率。

核相关滤波跟踪方法研究

核相关滤波跟踪方法作为一种效果较佳的目标跟踪方法得到了广泛应用。本文介绍了基于前景和基于背景的两类目标检测的特点,以及目标跟踪的相关知识。重点以核相关滤波跟踪方法为主,详细介绍了该方法的特点、算法实现,包括相关滤波、构建岭回归模型、构造循环样本和核函数映射,讨论了其性能优势以及算法设计开发中的数据集。多通道和输入梯度直方图等特征使核相关滤波跟踪方法获得了效率高、速度快、识别能力强、稳定性高的特点。

育得桃李满园春——记“全国十杰教师”、“山西省优秀党员”孙晓青

2 0 0 1年 7月 1日 ,是中国共产党建党 80周年。由于广大党员和党的基层组织充分发挥了先锋模范作用和凝聚力作用 ,使得我党的事业取得辉煌成就。为迎接和庆贺建党 80周年 ,本刊特开辟“党旗飘飘”专栏 。