放射性分析中本底对表观计数效率的影响

在放射性分析中,尤其对低活度样品,样品本底的影响是必须要考虑的一个因素。分析实践中,常常涉及计数效率和本底(准确说是确定性本底)的概念,但很少提到表观计数效率和随机性本底。本工作在介绍相关概念的基础上,利用Excel“随机数发生器”研究了本底(包括确定性本底和随机性本底)对表观计数效率的影响规律。本底的影响分为两个方面:一个是因本底扣除不准确而引入的系统误差,它使所有表观计数效率向同一方向偏离计数效率;另一个是本底波动导致的偶然误差,它使表观计数效率在一定范围内随机波动。不管是哪一种误差,本底对表观计数效率的影响均将随着样品活度的降低而增大。对高活度样品,可以不用区分表观计数效率和计数效率这两个概念,但对低活度样品必须区别使用。在有高活度标准源时,不推荐使用通过测量大量低活度样品来获取计数效率的低效方法,宜通过测量活度足够高的标准样品(即本底影响可以忽略的样品)来获取计数效率。

基于多尺度特征融合与位置关注网络的人群计数研究

人群分布不均、遮挡和背景干扰等问题使得人群计数成为了一项复杂且具有挑战性的任务。针对这些问题,提出了一种多尺度特征融合的位置关注网络(Position-Aware Network based on Multi-Scale Feature Fusion,MSFPANet)。首先,设计了一种多尺度特征融合模块,以在不同感受野下提取并融合人群密度图的多尺度特征,同时提取出前景信息,来应对人群计数中的遮挡和背景干扰问题;然后,通过位置注意力分配网络提高模型对人群区域的关注度,有效地应对人群分布不均的问题;最后,为了辅助模型训练,减小背景噪声带来的干扰,引入了一种结构交叉损失用于强化模型对人群结构的学习。实验结果表明:MSF-PANet在Shanghai Tech Part A、Shanghai Tech Part B、UCF-QNRF和UCF_CC_50上平均绝对误差分别为59.5、7.8、103、182.7,均方误差分别为96.7、13.6、177、237.7,验证了所提模块在提高人群计数准确率上的有效性。

临界实验中本底计数对倒数外推临界质量的影响

介绍了在硝酸铀溶液核临界安全实验装置上进行不同浓度铀溶液的临界实验时,用倒数外推方法确定硝酸铀酰的核临界质量的过程;着重论述了本底计数对倒数外推方法的影响。实验表明,溶液在不同液位下的本底计数是不一样的。在外推临界时,中子计数若不减本底则外推的临界质量将偏大,临界实验过程是危险的;若减恒定本底,则实验过程偏保守,增加了实验时间。应用本文介绍的本底扣除法将避免上述缺点。

人流量统计视频监控系统

介绍了一种人流量统计视频监控系统,自适应更新背景信息,利用背景相减法获得运动物体图像,并根据运动物体轮廓形状识别人体,利用目标跟踪技术统计人流量。实验证明,该系统能在多变环境下实时处理。

基于SNSPD与SPAD探测器的激光测距系统的比较研究

通过实验比较研究了基于SNSPD与SPAD探测器的激光测距系统.实验中,当接收回波端衰减120 d B时,天空光背景可忽略,基于SPAD的激光测距系统探测概率低于0.2%,而基于SNSPD的激光测距系统探测概率达35%;当激光发射频率低于1 k Hz,基于SNSPD的激光测距系统探测概率比SPAD高60%以上.研究表明:在探测弱信号回波光子时,SNSPD的探测性能远远优于SPAD,其原因是SNSPD具有较低的暗计数和高探测概率.与此同时,在接收端无衰减情况下,天空光背景会带来暗计数,影响测距系统信噪比.通过仿真分析表明,当背景亮度L0高于30 W/(m^2·sr)时,该基于SNSPD的激光测距系统的信噪比低于6,可能影响测距系统稳定探测.

一种改进的目标自动跟踪与计数方法研究

在单目视频场景中,针对提高遮挡条件下目标跟踪和计数的效率问题,提出了一种应用于监控系统中的自动跟踪和计数方法。首先,实现了一个动态背景差分模块,这个模块用于光照变化条件下的背景建模;然后通过获取的前景区域的位置和大小来识别前景目标;最后为了提高遮挡条件下的目标跟踪和计数的效率,提出了一种改进的重叠跟踪器来完成目标跟踪和计数。实验结果表明,该方法比传统方法的平均检测率提高了10%,由此可见,该方法能够可靠地跟踪和计数。

放射性测量最佳条件的选取

分析了影响伽马能谱测量精度的各种因素 ,提出了放射性测量最佳条件的选取原则 ,讨论了放射性计数的统计误差 .结果表明 ,在规定时间内 ,测量样品放射性的时间和测量本底的时间之比 ,等于放射性总计数率和本底计数率之比的平方根时 ,所测放射源计数率的误差最小 ;在规定的误差内 ,为了提高测量精度和缩短测量时间 ,可采用降低本底的措施 .

中子能谱测量中的本底测定及计数损失分析

分析了中子能谱测量中的本底测定技术,实验测量了DT源中子能谱、源本底中子能谱和样品本底中子能谱,在不同线性门设置、主放大器成形时间常数下测量了线性门信号输入输出比,通过选择在分辨谱谷底附近不同位置的单道阈值,测量了由DT源中子产生的反冲质子谱,测量了不同能量范围的中子、伽玛分辨二维谱,对BC501A液体闪烁体探测器信号计数损失的相关因素进行了分析,提出了几种减少计数损失的方法,结果可供中子能谱测量相关实验研究参考。

正电子图像的定量分析在临床肿瘤学中的应用

临床肿瘤学中常用的正电子图像定量分析指标为标准化摄取值(SUV)及病灶/本底计数比(L/B)。L/B主要用于双探头符合系统;而SUV在专用型PET中普遍应用,主要用于肿瘤的良恶性鉴别、分期、疗效评估及预测生存期及治愈期。本文对L/B及SUV在肿瘤诊疗中的应用进行了分析,并对SUV应用中的注意事项进行了总结。

基于K-SSD-F的东亚飞蝗视频检测与计数方法

针对目前国内蝗虫监测主要以人工监测为主、监测效率低且计数不准确的问题,以5龄东亚飞蝗为实验对象,提出了一种蝗虫视频计数方法K-SSD-F算法。该方法可以实时、连续、自动监测蝗虫的数量。首先利用背景分离法中的KNN算法提取视频前后帧的时空特征;然后通过标注好的数据训练SSD模型,并对视频进行检测,提取视频的静态特征,二者结合以提高计数准确率;最后利用补帧算法识别因姿态变化导致的漏计数的帧。实验结果表明,蝗虫识别准确率为97%,召回率为89%,平均检测精度(mAP)为88.94%,F1值为92.82%,且检测速度达到了19.78 f/s。本文方法具有较好的鲁棒性,可以实现蝗虫的实时和自动计数,其精度优于其他模型,也可为其他种类的昆虫自动识别计数提供理论基础。

PCM100 G Xγ辐射检测仪的物理性能测试

PCM100G Xγ辐射检测仪是一种小型的测量放射性污染的仪器,可以对X和γ射线进行测量。仪器可应用于核电站污染测量、核设施退役、放射性实验室测量以及其它放射性场所的污染测量。对PCM100G Xγ辐射检测仪作了简单概述和功能介绍,重点介绍了PCM100G的物理性能测试,包括本底测试、温度测试、湿度测试、灵敏度测试。

基于OpenCV的公交客流计数方法

公交车客流统计是计算机视觉领域的重要研究方向,然而由于阴影、光照变化等动态纹理因素的影响使得构建一个实时精确的客流统计算法变得较为困难。针对以上难题,提出一种基于OpenCV实现单目视觉下的客流统计方法。首先对取得的实时图像进行预处理;然后运用Codebook和形态学滤波相结合的方法建立背景模型,消除动态纹理对前景的影响;最后采用改进的Hough变换提取乘客的头部区域,进行跟踪计数。实验结果表明,乘车环境中该方法的检测准确率达88.6%以上,可应用于实时的客流计数系统。

一种封闭区域人数智能监控统计系统

传统安防视频监控系统数据存储空间非常巨大,人工查找异常事件或行为等有效的视频信息困难,产生了应用视频智能监控技术来实现更高效的自动监控并配以报警功能,对视频序列中的运动目标进行检测,实现检测区域的人数统计,使事后取证的被动防守变为主动防御报警的需求。在综合运用数字图像处理理论、目标跟踪算法等的基础上,构建了一个人物分割与人群跟踪相结合的人物计数系统。以基于背景差分算法与帧间差分算法相结合的方式,建立视频目标分割算法,包括对目标进行检测并粗略分割,分单人和多人计数。实现对视频图像的保存读取,前景单人与群体的提取和分割。该方法确能为智能监控的实现提供一种可行的路径。

ICESat-2数据背景光子特性及滤波方法研究

ICESat-2(Ice,Cloud and Land Elevation Satellite-2)是世界首颗采用光子计数模式的激光测高卫星,可快速获得高精度、大尺度地面三维数据。光子探测机制使得数据中除了地面信号外,还包含大气散射等背景信号,需要通过滤波才能获得地形等信息。为分析ICESat-2背景和信号光子的分布特点及点云滤波算法的效果和适用性,本文首先选取了六种地表覆盖类型(城市、海冰、沙漠、植被、海洋及冰盖/冰川)及不同观测条件的数据,对其背景光子率进行统计分析。分析结果表明:白天观测数据的背景光子率平均为106(点/秒)数量级,远高于夜晚观测数据的背景光子率——104(点/秒)数量级,弱波束的背景光子率与强波束背景光子率相当,六种地表覆盖类型中,冰盖/冰川的背景光子率最高。然后,根据统计结果筛选出21组测高数据,并选取七种具有代表性的点云滤波对其进行去噪实验,分析精度后得出结论:改进局部密度法的去噪效果最佳,算法召回率、精准度和F值均大于0.90,算法较为稳定。最后,对所选取各滤波算法的精度、特点与适用性等性质进行了总结与分析,可为后续该数据的使用和滤波算法的选择提供参考。

交通场景中基于注意力机制神经网络的人群计数

人群计数是计算机视觉领域的重要任务。交通场景中的人群计数任务对于维护公众出行安全、实现交通智能化具有重要作用。公共交通场景中通常存在行人相互遮挡、背景复杂等现象,给人群计数带来了困难。为了实现高精度的人群计数,研究了基于注意力机制的人群密度估计网络。网络包含3个部分:特征提取模块通过生成多尺度的特征图,增强网络的特征表达能力,提高网络对行人大小变化的鲁棒性;注意力模块通过抑制背景噪声响应,强化人群特征响应,生成特征图中人群区域的概率分布,增强网络区分人群区域与背景区域的能力;密度估计模块在注意力机制的约束下指导网络回归高分辨率的人群密度图,提高网络对人群区域的敏感性。设计了基于背景感知的结构损失函数,能够降低模型的错误识别率,提高模型的计数准确率;采用多级监督机制指导网络进行学习,能够帮助梯度反向传播和减少过度拟合,进一步提高网络的人群计数精度。在公共数据集ShanghaiTech上进行了实验,实验结果表明:与目前最先进的算法相比,在ShanghaiTechA和ShanghaiTechB数据集上,平均绝对误差(mean absolute error,MAE)分别提高了2.4%和1.5%,均方误差(mean square error,MSE)分别提高了3.3%和0.9%,证明了提出的算法在人群拥挤和稀疏的场景中均有更好的准确性和鲁棒性。同时,在真实场景数据集上进行了实验,MAE=7.7,MSE=12.6,证明了提出的算法具有良好的实用性。

基于多尺度特征融合的抗背景干扰人群计数网络

随着计算机视觉和人工智能相关技术的快速发展,基于智能视频分析的人群计数算法取得长足进步,但在计数准确性和算法鲁棒性上还有很大的提升空间。针对复杂场景人群计数任务中存在的目标多尺度及背景干扰等问题,文中提出基于多尺度特征融合的抗背景干扰人群计数网络(Anti-Background Interference Crowd Counting Network Based on Multi-scale Feature Fusion,AntiNet-MFF)。在U-Net网络架构基础上融入多层次特征分割提取模块,借助深度学习强大的表征能力提取人群多尺度特征。同时,为了提升计数模型对人群区域的关注度,减少背景噪声干扰,在解码阶段生成背景分割注意力图,作为注意力引导计数模型聚焦人头区域,提升人群分布密度图的质量。在多个典型人群计数数据集上的实验表明,AntiNet-MFF在准确性和鲁棒性上都取得良好效果。

基于视频图像的车辆实时检测系统

针对道路车辆的实时监测系统检测效率和精度较低的问题,设计一套实时监测系统。对视频图形进行灰度化、滤波及增强,并分割出统计区域。在分割出的图像中,设计统计众值法构建背景模型,设置阈值获得前景图像,采用Canny算子检测车辆边缘,将前景图像与车辆边缘叠加进行形态学运算以获取车流量统计结果。实验结果表明,该系统准确率高达98. 45%,能够满足智能交通系统对检测效率和精度的需求。

基于热点区域定义的人数统计方法研究

行人统计在智能监控领域中具有重要意义,但复杂背景环境以及行人运动过程中出现的遮挡现象导致当前方法的准确率并不高。此外,传统过线统计人数的方式的实际适用范围有限。考虑到现有方法的不足,提出了一种基于热点区域定义的人数统计方法。首先,利用自适应学习率背景建模提取运动目标前景,得到前景区域的位置和大小,扫描计算运动目标前景范围内的HOG特征,并判别是否存在头肩目标;然后,利用基于KCF的目标匹配算法跟踪头肩目标;最后,结合目标运动轨迹与提出的区域人数统计算法进行行人人数统计。采用24fps的手机拍摄的长度为10min、分辨率为960×720像素的视频做人数统计实验。实验结果表明,所提算法在统计人数时正确率可达到93.1%,能满足实时性要求。该方法结合了检测效率和准确率,在背景环境复杂的场景下具有良好的效果,能适应各类人数统计的实际应用场景。

交通视频中的车辆计数方法研究

对交通视频中的车辆计数方法进行了研究。首先采用背景更新的背景差分法获得无运动目标的背景,并采用帧差法检测是否存在运动目标,以此作为背景更新的依据。然后当前帧与背景图像做差值,并进行二值化提取运动目标。对于光线较暗车辆目标提取不完整和由于光照产生伪目标的情况,采用一种基于虚拟的横向检测线和纵向检测线相结合的检测方法计数。实验表明,本方法可较准确的实现车辆计数,并有较好的实时性。

基于背景辅助的高效人群计数多任务学习网络

在人群计数领域中,复杂背景干扰一直是一个具有挑战性的问题.现有研究通过引入注意力机制等方式弱化背景噪声对计数的影响.但是,随着研究的深入,人群计数网络规模不断扩大,影响了计算效率和实时应用.为了解决复杂背景问题并提高计数效率,该文提出了一个基于背景辅助的高效人群计数多任务学习网络(BAMTLNet).与现有网络不同,为了减少网络的参数量,只采用了VGG-16的前7层作为前端网络.在后端网络中,为了解决复杂背景问题,我们使用了两个高度相关的人群任务:①生成估计密度图主任务,采用3个普通卷积层生成密度图,通过积分获得单张图片的人数.②复杂背景分割辅助任务,采用3个特定的膨胀卷积层生成图片的背景分割图.两个任务直接连接在前端网络后,没有相互交叉.我们还设计了背景辅助多任务损失函数,通过硬参数共享的方式优化前端网络参数,向主任务传递复杂背景的高级语义信息并优化网络.该端到端人群计数多任务学习网络仅有10层卷积层,参数量小,实现了网络轻量化.在3个人群计数基准数据集上进行了实验,获得了令人满意的结果.