基于多尺度语义的目标检测方法

针对基于卷积神经网络(convolutional neural network,CNN)的检测方法只关注目标的自身信息,忽略了语义信息,限制目标检测精度提高的问题,提出一种多尺度语义提取网络,分别提取CNN多层特征图的语义信息并融合,实现目标全局语义和局部语义的提取。在此基础上,将自身特征与语义特征融合,实现目标检测框架中自身特征和语义特征的编码。实验结果表明,该方法与原始的目标检测网络相比,检测精度有明显提高,尤其是对混叠目标和小目标具有良好的检测效果。

基于锚框的远距离多尺度红外目标跟踪技术

在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对应追踪框图与真实框图,得到目标框中心坐标值。为保证计算的精准度,通过设定特征融合阈值判定提取信息与真实信息较高的重叠度,并按照锚框的边缘、中心以及顶点坐标对应划分像素网格,根据特征值输出分类输出向量,完成红外目标特征提取。由此采用损失函数给出锚框、目标框、实际框的类别损失以及候选框等不同类别损失函数,按照不同点在网格中的体素值,以编码形式逐一对比候选框和真实框数据,通过迭代实现远距离多尺度红外目标跟踪。实验结果表明,所提方法对远距离多尺度红外目标的识别效果较好,查全率曲线基本保持在0.9以上。说明所提方法具有良好的远距离多尺度红外目标跟踪效果。

基于生成对抗网络的手写数字重叠图像分离与识别

为解决手写数字重叠给识别带来的障碍,探索识别重叠手写数字的高效方法,本文提出一种采用生成对抗网络分离重叠手写数字的方法,将重叠手写数字分离成2个单独的数字后再进行识别。分别使用卷积层和反卷积层构建判别器和生成器,充分提取数字特征,减少模型参数量;融入自注意力机制,快速有效提取数字显著区域特征;对生成器和判别器进行谱归一,约束网络梯度;改进模型损失函数,提高生成器分离数字的质量。在通过MNIST数据集构造的数据上进行试验,结果表明:本文提出的方法对重叠手写数字的识别准确率达95.91%;峰值信噪比和结构相似性指数分别为22.11和0.8961,相比CapsNet网络模型有了显著提升。

基于xPC Target的Windows2000实时数据传输研究

鉴于xPCTarget平台在实时数据传输方面的缺点 ,本文提出了一种重叠Scope技术的设计思想 。

改进YOLOv8算法在高密度人群检测中的应用研究

本文创新性地提出了YOLOv8改良算法,致力于解决大规模人群环境下目标重复及识别精准性的难题。针对传统非极大值抑制(Non-Maximum Suppression,NMS)算法在众多重叠对象场景时易发生漏检的问题,本文引进了Soft-NMS算法,以提高检测准确率。借助膨胀残差(Dilation-wise Residual,DWR)模块提取网络高层次特征,结合简单反转残差(Simple Inverted Residual,SIR)模块获取了低层特征,通过引入SEAM注意力网络模块,加强了模型对关键特征的关注。此外,本文更换了HATHead检测头,以改善重叠目标检测效果。实验表明,经改进后的YOLOv8-n算法在人群密集区域的检测精确度m AP方面提升了1.4%,对行人的检测表现优异。

SAR目标增量识别中基于最大化非重合体积的样例挑选方法

为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境,其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本,这会造成大量存储资源的浪费,同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题,该文提出基于最大化非重合体积的样例挑选方法(ESMNV),一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题,旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先,ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS),并使用高阶矩来表示分布。然后,它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后,结合贪心算法,ESMNV逐步选择使样例分布与目标类别分布差异最小的样例,确保在有限数量的样例情况下最大化所选样例的非重合体积。

跨摄像头多目标跟踪方法综述

单摄像头目标跟踪将目标跟踪范围限定在单一摄像头视野中,难以满足复杂应用场景需求,跨摄像头多目标跟踪融合多个摄像头的信息实现多个摄像头之间的特征传递和轨迹关联,可以将跨摄像头之间的多个目标在多个监控区域下联合跟踪,对现实复杂场景实时监控具有重要意义,成为目标跟踪领域研究热点.本文介绍了跨摄像头多目标跟踪的基本概念,结合实际应用需求将跟踪模型分为3类:包括重叠视角、非重叠视角以及混合视角的跨摄像头多目标跟踪.详细对比分析了重叠视角跨摄像头多目标跟踪相关的网络流优化方法、单应性约束方法、强化学习方法、超图方法和Transformer方法;以及基于双阶段轨迹关联、单阶段轨迹关联的非重叠视角的跨摄像头多目标跟踪方法;并总结了混合视角的跨摄像头多目标跟踪方法,混合视角方法可以在重叠视角数据集和非重叠视角数据集都能使用并且算法性能和精度都能达到良好的平衡.对比了各类方法的优缺点及其适用场景;分析了目前跨摄像头多目标跟踪常用的数据集和评估标准;总结了跨摄像头多目标跟踪存在的问题,并对相关技术的发展趋势进行了展望.

大肠杆菌Targetron基因打靶载体构建及应用

目的:构建基于细菌Ⅱ型内含子的Targetron基因打靶载体,并在大肠杆菌中验证其功能。方法:以构建的pSY7载体为基础、以大肠杆菌lacZ基因为例,选择lacZ-1683a和lacZ-1874s位点为靶位点,利用在线设计软件设计打靶引物,通过重叠延伸PCR方法获得特异性打靶序列,并将其克隆到pSY7载体,获得pSY7-lacZ-1683a和pSY7-lacZ-1874s打靶载体,转化大肠杆菌后利用异丙基硫代半乳糖苷(IPTG)诱导插入型内含子的表达,最后利用菌落PCR和蓝白斑计数法验证其功能及打靶效率。结果:成功构建了pSY7-lacZ-1683a和pSY7-lacZ-1874s两种Targetron打靶载体,通过0.5 mmol/L IPTG诱导45 min后,菌落PCR显示Ⅱ型内含子能特异性插入到lacZ-1683a、lacZ-1874s位点,蓝白斑计数显示lacZ-1683a位点的打靶效率为(14.299±1.271)%,lacZ-1874s位点的打靶效率为(9.217±1.024)%。结论:构建的Targetron打靶载体能够特异性的插入大肠杆菌染色体靶位点。

应对遮挡问题对DeepSORT进行轨迹拟合优化

检测跟踪范式是多目标跟踪的主要研究方向,也是自动驾驶汽车的主要应用框架。完善的检测跟踪范式可以在提高多目标跟踪精度的同时有效降低跟踪框的失真率。然而在现有的先进方法中,这种范式通常会遇到多目标重叠后的ID交换问题,严重影响跟踪精度和轨迹判断。为解决该问题,文中基于经典的DeepSORT算法提出改进方案。首先,在卡尔曼滤波器中添加跟踪框进行置信度的预测和更新,并按降序对更新后的置信度进行排列,在后续匹配中优先匹配预测置信度更高的跟踪目标;然后,比较预测置信度和检测置信度之间的差异,识别出置信度突变的目标,以进行跟踪轨迹的优化和剪枝;最后,使用余弦相似度和交并比(IoU)识别重叠目标,并对重叠目标中置信度最高的目标消失后的轨迹进行多项式轨迹拟合,以纠正错误的ID,完成精确匹配。实证分析结果表明,相比于目前多种先进算法,所提方法的ID交换次数为172,优于其他算法,验证了该算法的可行性和正确性。

基于重叠视域的跨相机多目标跟踪

针对短道速滑运动员检测难度大,难以准确进行跨相机目标交接等问题,提出了基于重叠视域的跨相机多目标跟踪算法.通过使用Global context network(GCnet)注意力模块、Funnel ReLU(FReLU)激活函数和Distance-IoU非极大值抑制(DIoU-NMS)改进YOLOXs算法,提高对粘连目标的检测精度.依据平面单应性原理将相机图像坐标映射至统一世界坐标以关联相邻相机,提出基于目标质心位置相似性与检测框空间相似性关联权重的改进型匈牙利匹配算法,实现跨相机目标一致性判定.实验结果表明:YOLOXs-GFD算法的平均准确率在Skater数据集和INRIA数据集上分别提升2%、1.1%.MOT-skater数据集上,跨相机多目标跟踪指标MCTA和IDF1分别为80.6%、83.7%.所提出的算法对短道速滑运动员的跨相机跟踪具有更优的准确性与鲁棒性.

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时,需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系,才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化,首先根据任务点和无人机的位置分布情况对多无人机进行预分配,然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型,通过对所构建模型的求解,得出多无人机的协同侦察时间资源分配方案。仿真结果表明,优化时间资源后侦察系统的收益得到了提升。

基于尾灯的夜间前方车辆检测与跟踪方法

针对夜间环境下车辆难以检测的问题,提出一种基于尾灯的夜间前方车辆检测与跟踪方法。首先根据光晕特征和亮度特征进行车辆尾灯提取,对尾灯进行配对后根据尾灯对估计车辆的位置并实现对车辆的检测,然后利用改进的粒子滤波算法对已检测车辆的尾灯进行跟踪,进而实现对车辆的跟踪。最后结合检测和跟踪方法提出一种车辆检测与跟踪系统。实验结果表明:本文方法具有检测率高的特点,对车辆检测率可达96%,车辆检测与跟踪系统可解决车辆互相遮挡情况下的车辆检测问题,并可提升车辆检测率至98%。

复制叠加多假目标干扰效果仿真分析

多假目标干扰产生与被干扰雷达相干的干扰信号,在能量上有着极大的优势。在对多假目标产生方式讨论的基础上,通过对多假目标干扰中每个假目标能量的定量分析,得到了各个假目标信号与干扰机之间的功率关系,并推导了适用于多假目标干扰的干信比计算公式,有效解决了没有定量分析多假目标干扰能量和用传统干信比公式衡量多假目标干扰效果的问题,可以为多假目标干扰的分析和评估提供参考。

点饱和突变技术及其在蛋白质工程中的应用

点饱和突变技术是蛋白质工程中的一门新兴技术,它通过对目的蛋白的编码基因进行改造,短时间内获取靶位点氨基酸分别被其它19种氨基酸替代的突变子。此技术不仅是蛋白质定向改造的强有力工具,而且是蛋白质结构-功能关系研究的重要手段。概述了几种常用点饱和突变技术,介绍和讨论了它在蛋白质工程中的应用状况,存在的问题,并展望了其应用前景。

多像机非共视场的非合作飞行器位姿测量方法

以空间非合作飞行器视觉位姿测量为背景,针对近距离及超近距离情况下由于成像空间小、像机视场等限制,位姿测量所用的视觉特征将不能在单像机中完整成像而无法完成定位的问题,提出一种多像机非共视场的非合作飞行器位姿测量方法。首先将多个像机配置成非共视场的形式,标定各个像机之间的位置关系;然后利用多个像机对目标上的不同特征成像,来自不同像机的底层信息既有冗余又有互补,为位姿测量提供足够的视觉特征和几何特征;最后结合像机之间的位置关系将各个像机中的特征信息进行融合,进而以闭式解法计算目标位姿。实验结果验证了该方法的有效性以及在大目标近距离位姿测量应用中的优越性。

基于改进ORB算法无重叠视野域的目标交接

介绍了基于ORB(Oriented FAST and Rotated BRIEF)算法的无重叠视野域的目标交接。当目标离开摄像机1视野域时,利用ORB算法提取目标特征点,待匹配特征点通过PROSAC(Progressive Sample Consensus)算法剔除外点,保留有价值的特征点。当目标进入摄像机2视野域时,通过Vibe(Visual Background extractor)算法获取进入摄像机2的运动目标,并提取待确认运动目标的特征点,去除外点并与摄像机1视野域提取的特征点做匹配,匹配率达到阈值则表示目标一致,完成目标交接并进行跟踪。实验结果表明,文献提出的方案能够实现目标在多摄像机视野域间的快速交接。

考虑发射区部分重叠的防空作战目标分配

为了研究多个地空导弹武器系统对多个来袭目标防空作战目标分配问题,考虑了部署中存在的发射区部分重叠问题,通过分析来袭目标群在飞越发射区时,不同发射区对不同目标覆盖状态的变化,将整个目标分配区间分为若干个分配子区间,通过比较拦截方在各个分配子区间所能获得的最大毁伤效果值,得出最佳分配子区间及其对应的分配方案。设计了基于捕食搜索策略的遗传算法(PSGA),并经过示例仿真,验证了模型和算法的可行性。

稻田蜘蛛和害虫的生态位研究

对主要蛛虫的时间生态位、空间生态位及时间-空间二维生态位的研究发现,蜘蛛的生态位宽度值随害虫生态位宽度值的增减而增减,蜘蛛对目标害虫具有跟随现象.晚稻田的蛛虫生态位宽度值及蛛虫生态位重叠指数值一般大于早稻田的蛛虫生态位宽度值和生态位重叠指数值.在水稻的不同发育期,蜘蛛的生态位宽度值及蜘蛛间的生态位重叠指数值的大小均有更替现象.

一种用于多摄像机无重叠视域环境下的车辆跟踪系统

针对当前交通监控系统中自动化程度较低、过多依赖人力进行监控的现状,文章设计了一种用于多摄像机无重叠视域环境下的车辆跟踪系统。该系统为中心-分布式结构,中心服务器与分布在前端的智能摄像机节点通过GPRS相连,与传统的功能单一的摄像头相比,基于DM642的智能节点可以在前端完成目标检测、跟踪以及分类等工作,并将抽象化后的目标特征信息通过GPRS传输给中心服务器,大大减轻了网络传输的压力。中心服务器根据节点传送来的目标信息,对不同摄像机视域下的目标进行匹配,实现了目标的连续跟踪,获得了更为全面的目标信息。试验表明,文章设计的车辆跟踪系统可以在较大监控范围内有效地跟踪目标车辆。

因子分析-伏安法同时测定波峰重叠的混合物组份

本文将目标因子分析用于伏安分析法同时测定波峰重叠的混合物组份.用此法对Pb(Ⅱ)、TI(Ⅰ)混合体系的导数脉冲伏安重叠峰数据进行解析,获得了较理想的结果.