Influence of Data Clouds Fusion From 3D RealTime Vision System on Robotic Group Dead Reckoning in Unknown Terrain

This paper proposes the solution of tasks set required for autonomous robotic group behavior optimization during the mission on a distributed area in a cluttered hazardous terrain.The navigation scheme uses the benefits of the original real-time technical vision system(TVS)based on a dynamic triangulation principle.The method uses TVS output data with fuzzy logic rules processing for resolution stabilization.Based on previous researches,the dynamic communication network model is modified to implement the propagation of information with a feedback method for more stable data exchange inside the robotic group.According to the comparative analysis of approximation methods,in this paper authors are proposing to use two-steps post-processing path planning aiming to get a smooth and energy-saving trajectory.The article provides a wide range of studies and computational experiment results for different scenarios for evaluation of common cloud point influence on robotic motion planning.

脑卒中后眼球运动障碍行为视觉训练的效果

目的探讨行为视觉训练对脑卒中后眼球运动障碍的效果。方法2023年8月至10月,北京博爱医院脑卒中后眼球运动障碍住院患者21例,行行为视觉训练,包括脑视觉训练和视觉融合训练,共4周。治疗前后,采用Snellen视力表、斜视三棱镜度和近立体视功能评价视觉功能。结果训练后,患者右眼和左眼视力均明显改善(Z_(右眼)=-3.601,Z_(左眼)=3.012,P<0.01);斜视三棱镜度显著减小(t=8.930,P<0.001);近立体视功能无明显变化(P>0.05)。结论行为视觉训练可以改善脑卒中后眼球运动障碍患者的视力,减轻斜视。

SlowFast架构下景区异常行为识别算法及预警研究

针对当前古建筑场景下人员异常行为识别相关实例缺乏、数据集少、古建筑级别低、质量次,导致人员异常行为识别准确率低等问题,该文在古建筑景区背景下自行拍摄了多组视频,从中挑选构建了人员异常行为动作的5033段视频数据集:具有明确的典型古建筑背景;具有多人场景下暴恐打架斗殴、刻划、刻画以及存在火灾风险的人员异常行为等特征,并对每个视频进行了注释。该文首次于SlowFast网络框架中成功引入信号时域特征活动性、移动性参数,对构建的数据集进行高阶时序特征建模、增加分类算子。在人员异常行为识别任务中,模型的Top1准确率达到93.54%,而平均准确率达到96.30%,在SlowFast模型中引入活动性、移动性算子后,模型识别的准确率提升了0.87%。与几种常见架构的算法相比,该文所提出的方法存在一定的优势。

基于计算机视觉的工业人员行为分析实验平台

该文面向本科生与研究生实践教学,利用计算机视觉技术开发了工业人员行为分析实验平台。依托工程实训中心,通过多通道数据采集装置收集人员工作环境、作业行为以及劳保用品等数据。基于PyQt5构建工业人员行为分析实验平台,该平台将计算机视觉技术与工业安全管控标准深度融合,以实现工业人员流程类与非流程类作业的行为分析。为验证实验平台的有效性,使用工业人员行为测试数据对所研发的实验平台进行了实验验证。实验结果表明,该实验平台能对工人多种作业进行有效评判。该实验平台有助于提升本科生和研究生在智能图像处理领域的实践能力。

基于多层记忆增强和残差时空变换器的鱼类异常运动行为检测

由于人工提取抽象特征方法捕获视频异常存在特征学习不足、特征选择困难和泛化性差的问题,笔者将计算机视觉技术引入鱼群异常运动行为检测研究中,采用无监督的学习方式,提出一种结合多层记忆增强和残差时空变换器的鱼类异常运动行为检测方法。该方法以U-Net网络为基础,利用其编码器和解码器对视频帧编码和解码,并根据预测帧和真实帧之间的差异实现异常行为检测。为了加强连续视频帧之间的时空信息特征联系,提出残差时间变换器模块和残差空间变换器模块以提升网络对时间信息和空间信息的建模能力。由于卷积神经网络具有一定的泛化能力,使用记忆增强模块代替U-Net网络中的跳跃连接,降低编码器对异常帧的表示能力。此外,采用生成对抗网络(GAN)技术生成更加真实的预测帧,从而提升网络的检测精度。结果表明:该方法能有效提取鱼群的运动特性和外观特性,在自制的两类鱼群数据集上的AUC(曲线下面积)分别达0.916和0.921,实现了鱼群异常运动行为检测。

机器视觉技术在奶牛精准化管理中的应用研究进展

近年来,随着我国奶牛养殖规模不断扩大,对奶牛场管理提出了更高的要求,通过传统的人工方式识别奶牛和统计奶牛数据已完全不能满足现代化、规模化牧场的需求。监测奶牛的行为变化有助于提高牧场的管理决策水平,而基于机器视觉技术可为奶牛养殖过程中的个体识别、健康监测、疾病预防等提供新的解决方案。本文主要从奶牛个体识别、体况评估、行为识别与监测3个方面进行综述,总结了目前机器视觉技术在奶牛精细化管理领域的研究成果以及存在的问题,旨在为现代化牧场的精准化管理和智能化发展提供新方法和新思路。

基于机器视觉的篮球运动员行为跟踪识别系统

篮球赛场上运动员行为轨迹跟踪技术存在识别误差大、效率低等问题,为此基于机器视觉技术提出一种更加有效的篮球运动员行为跟踪识别方法 .基于机器视觉设计篮球运动员行为采集子系统,对摄像机采集的帧图像实施精准预处理作为运动员行为轮廓识别的样本数据;构建篮球运动员行为跟踪识别子系统,利用边缘轮廓信息描述运动员的行为特征,使用高斯混合模型初步提取篮球运动员轮廓信息,检测行为边缘轮廓角点完成边缘轮廓特征提取;进一步得到轮廓点分布直方图,以此为依据使用金字塔匹配算法识别运动员的行为轨迹,实现运动员边缘轮廓优化提取.测试结果表明,该方法跟踪运动员行为的误检率约在0.4%~1.3%之间,漏检曲线趋于水平状态且不大于1%,跟踪识别篮球运动员行为的实际应用效果较优.

中小微企业领导韧性赋能团队创新的心源动力机制———基于愿景沟通与团队行为意向

基于社会信息处理理论,建立“韧性领导的社会信息处理过程-团队互动过程”分析框架,揭示韧性领导赋能团队创新的作用机制。对643个中小微企业的团队领导调查研究发现,领导韧性直接正向影响团队的综合创新绩效,并且相较于结果性创新(产品创新及市场创新),更可能影响潜在创新绩效(战略创新、行为创新、过程创新)。机制检验发现,团队行为意向在领导韧性和综合创新绩效之间发挥中介作用,愿景沟通则在领导韧性和团队行为意向之间具有中介作用。就组织环境而言,信任逆境和目标一致性逆境加强了领导韧性与愿景沟通的联系。上述结论揭示了领导韧性作用于团队创新的社会信息处理过程和情感激发过程,这一心源动力机制对促进中小微企业的创新发展具有重要意义。

基于Bytetrack的多目标跟踪算法在斑马鱼毒性行为识别中的应用

利用计算机视觉技术识别斑马鱼(Danio rerio)在不同污染物暴露下的行为变化是水质毒性评价的常用方法之一,但传统方法存在效率低、面对遮挡和复杂环境时性能差等缺陷。针对这些问题,本研究使用基于Bytetrack的多目标跟踪算法追踪斑马鱼在4种污染物(Zn、Pb、Cr和苯酚)暴露2 h后的行为变化,对斑马鱼在4种浓度梯度中的平均速度、最大速度、最低速度、平均碰撞次数和行为轨迹等指标进行分析。结果显示,算法的追踪精度、漏检率和检测时间(每300帧)分别能达到90.26%、16.33%和0.19 min,检测时间和精度相比于传统目标检测方法有较大提升。同时,根据污染物不同,该方法能准确识别特定污染物环境中斑马鱼相应的运动状态及轨迹变化,可实现精确识别和实时响应,在鱼类毒性行为识别领域具有重要参考意义。

基于图像处理技术的动物行为识别研究进展

动物行为识别旨在理解动物的行为,并对每种行为贴上类别标签,具有广泛的应用前景。近年来,动物行为识别在计算机视觉领域受到了越来越多地关注。动物行为识别技术的发展经历了从传统的基于手工特征的方法向基于深度学习的方法演变。本文根据动物行为识别技术发展的基本脉络,综述了传统方法和深度学习方法中的主要流派和技术手段,概述了各种技术手段优缺点及其在动物行为研究中的应用情况。

基于全局图推理与改进三维动态卷积的鱼类摄食行为分析

本研究提出一种基于时间动作检测的轻量化视频分类网络,旨在解决水产智能化养殖中饵料的投喂不均和水体污染等问题,提高投喂准确性和效率。该网络以ResNet 3D为基础,引入深度可分离卷积模块和三维动态卷积模块,以降低模型规模和参数量;同时采用图卷积全局推理模块和稠密卷积模块构建区域和全局关系,增强网络深层特征的表达,提高网络分类准确率。经试验验证,该模型检测准确率可达96.70%,相较变分自动编码器卷积网络和3D ResNet-GloRe网络,其准确率分别提高7.7个百分点和4.4个百分点;同时,该模型的参数量和计算量也明显降低,分别为1.10 M和3.87 G。研究结果表明,该基于时间动作检测的轻量化视频分类网络可以有效提高水产养殖中饵料的智能化投喂的准确性和效率,减少饵料投喂不均以及水体污染等问题,具有较高的应用价值。

鱼类颜色视觉的研究进展

视觉器官对于大多数鱼类来说是一个非常重要的感觉器官,鱼眼不仅能感觉光的敏感和颜色,而且还能感知物体的形状、大小、运动等。鱼类的视觉功能与摄食、集群、生殖、防御等行为方面具有密切联系,并发挥重要作用。为了研究鱼类颜色视觉能力进展,以目前国际主要的数据库(Science Direct、JSTOR、Wiley Online Library、SpringerLink、ProQuest等)为数据源,采用文献计量分析法,研究了鱼类颜色视觉能力的不同研究方法的发展与现状,从而更深入地了解鱼类视觉特征,可为今后在渔船作业中改变灯光颜色以提高对鱼群诱集的效果、在工厂化养殖过程中控制养殖环境的颜色以及光强来提高养殖效益、在控制帮助鱼类洄游以保护洄游鱼种等提供参考依据。

2016—2021年上海市静安区中小学生视力不良及其影响因素分析

目的通过了解上海市静安区中小学生视力不良情况及其影响因素,为预防近视宣教措施和相关政策的制定提供依据。方法2016—2021年采用整群抽样的方法抽取区内2所小学、2所完全中学,累计对18091名学生进行问卷调查与屈光发育情况监测,问卷调查包括近7 d课外活动时间与不良用眼行为习惯情况,屈光发育情况包括裸眼视力、戴镜视力和非散瞳电脑验光。数据采取横断面分析,并用趋势性χ^(2)检验、Logistic回归进行影响因素分析。结果2016—2020年上海市静安区小学生视力不良情况有上升趋势(小学低年级组趋势χ^(2)=41.611,P<0.001;小学高年级组趋势χ^(2)=25.494,P<0.001)。用眼行为习惯调查显示,各年级组每日运动类课外时间≤0.5 h的学生均超过74.56%,但呈现逐年下降趋势(小学低年级趋势χ^(2)=38.558,P<0.001;小学高年级组趋势χ^(2)=7.581,P=0.006;初中组趋势χ^(2)=38.748,P<0.001;高中组趋势χ^(2)=51.145,P<0.001)。37.93%~87.20%的学生存在各类用眼不良行为习惯。中小学生每日运动类课外课程时间<0.5 h(OR=1.21,95%CI:1.10~1.32)、每日学习类课外课程时间<0.5h(OR=1.07,95%CI:1.00~1.15)、持续用眼30~40min后不休息(OR=1.86,95%CI:1.79~1.93)、过度低头(OR=1.33,95%CI:1.21~1.46)、看电视距离不足2m(OR=1.19,95%CI:1.10~1.28)更容易视力不良。结论学校、家庭应重视青少年的课外课程安排,并指导学生养成正确用眼行为习惯,从而预防视力不良的发生。

基于智能视觉的变电站内人员异常行为辅助监控系统

为解决变电站人工监控的各种弊端,设计基于智能视觉的变电站内人员异常行为辅助监控系统。在系统硬件部分,以无线芯片CC2530为核心连接硬件的各个模块,设计协调器以及电源等模块;在系统软件部分,运用人工智能与图像处理技术,预先对监控视频阴影处理,然后采用背景建模的方法,对视频中的信息描述,最后将HOG特征识别应用到异常行为检测中,实现变电站内人员异常行为辅助监控。实验结果表明,此次研究的变电站内人员异常行为辅助监控系统,在人多与人少的时候都具有较高的监控识别准确性,证明了此次研究的系统的应用效果。

面向计算机视觉的吸烟检测方法研究综述

公共场所吸烟严重危害人们身体健康甚至生命财产安全,因此实时高效的吸烟检测具有重要意义。目前基于计算机视觉的吸烟检测以高效率、高精度等优势逐渐成为主流方法。在对非计算机视觉的吸烟检测方法进行简要概述的基础上,重点归纳总结了三类基于计算机视觉的检测方法。探讨了颜色、外观、运动等多种烟雾特征的提取方法;介绍了基于单步骤和多步骤目标检测两种方法提取烟支目标;从人工特征构建、深度学习特征提取角度论述不同类型的吸烟动作特征提取方法。对上述方法进行分析总结并展望未来研究方向。

基于机器视觉与图卷积网络的矿区无人驾驶车辆异常行为检测

无人驾驶车辆在矿山逐步得到关注与应用的同时,也存在一定的安全隐患。为提高车辆异常行为检测效率,提出了一种基于机器视觉与图卷积网络的矿区无人驾驶车辆异常行为检测方法。该方法通过分析矿区无人驾驶车辆行驶轨迹,利用机器视觉技术对车辆进行识别、跟踪和检测。首先获取无人驾驶车辆图像监测数据,进而进行特征提取,包括颜色、形状、大小等关键特征,并据此对车辆进行识别、跟踪和检测。其次,使用图卷积网络对车辆行为进行建模,将车辆驶过的路段视为图中的节点,不同路段之间的连接视为边,通过图卷积网络学习车辆的行为,并对车辆异常行为进行检测。试验结果表明:该方法可以在短时间内准确检测到矿区无人驾驶车辆的异常行为,并对异常情况及时报警,有助于提高矿山生产的安全性和效率。

互通立交合流区驾驶人视觉特性以及加速车道形式影响研究

为研究驾驶人在互通立交合流区域的视觉特性及其影响因素,开展了47位被试的实车驾驶试验,利用k-means动态聚类算法划分了驾驶人经过立交合流区时的视窗区域,并选择注视时间、扫视幅度和注视目标占比等作为评价驾驶人视觉特性的指标,分析加速车道形式对驾驶人视觉特性的影响。结果表明:驾驶人的注视视窗主要集中在6个区域。在加速车道段,驾驶人对前方道路近处的注视需求最高,加速车道长度不足时,会增加驾驶人对左侧车辆的关注,其水平扫视幅度更为广泛;在直接式加速车道时,驾驶人对前方道路及车辆目标的注视需求较高;在平行式加速车道时更关注道路左侧和设施信息,即护栏和交通标志信息。

基于视觉的行人定位方法研究——北京故宫游客头戴相机视频记录的时空轨迹重建

基于视觉的行人轨迹定位方法,不依赖于信号接收设施,具有在建筑环境行为学研究中普及的潜力。研究针对城市公共空间,应用街景地图数据库,探索了地理坐标系中用视觉匹配法从行人头戴相机视频中恢复轨迹的技术管线。

基于深度学习的行为识别方法

基于深度学习行为识别算法的关键在于提高关键点提取的准确性和稳定性,以此来更准确地识别目标动作。然而,较多算法在目标特征提取阶段仅加入看似具有较好功能的注意力机制,忽略了不同注意力机制对不同模型和任务的影响。因此,文中提出了一种基于不同注意力机制的姿态估计算法模型。该方法通过比较不同注意力机制对模型的影响,进一步说明了选择注意力机制的重要性。同时,考虑到关键点提取的稳定性,对模型的初始化进行微调,通过增加权重判断网络层类别,选择更合适的初始化方法以提高性能。相较于基准网络模型,该模型在多尺度和无多尺度CrowdPose数据集上所有的评价指标均有所提升。其中,平均精度在两种情况下的提升均超过了1%。

基于YOLOv5的加油站不安全行为检测算法研究

针对传统方法检测加油站场景下人员不安全行为存在检测精度低、速度慢等问题,提出了改进的YOLOv5-MVB算法来检测加油站不安全行为(抽烟、打手机等)框架。首先,建立针对加油站场景的不安全行为数据集;其次,对不安全行为数据集进行图像增强及改进Mosaic增强,提高数据集的泛化能力;然后,搭建改进的YOLOv5s网络结构,采用基于IoU度量距离的K-means算法对不安全行为数据集重新聚类,获得多组锚框,引入深度可分离卷积网络及多尺度注意力机制,提高网络的收敛速度与检测精度。实验结果表明:改进后的YOLOv5-MVB模型精度达到82.2%,精确率达到85.3%,召回率为77.1%,参数量只有8.15M,相比于原版YOLOv5s算法以及主流小目标检测算法(SSD、YOLO系列算法等)均可在保持较低参数量和计算量的情况下有效提高不安全行为的检测精度。所提算法实现了对加油站不安全行为的近实时检测,具有较好的推广应用价值。