直升机电力巡检系统中自动高效的塔台检测

针对直升机电力巡检系统中塔台的自动高效检测问题,提出了基于学习的两级塔台检测方法,首先利用AdaBoost分类器在多尺度上对塔台进行粗检,得到的初检结果作为候选塔台,再利用基于深度学习的CNN分类器对候选目标进行确认,从而对飞行视频中的塔台进行定位。通过实验仿真,证明了算法的高效性。

一种直接高效的自然场景汉字逼近定位方法

为了提高经典目标检测算法对自然场景文本定位的准确性,以及克服传统字符检测模型由于笔画间存在非连通性引起的汉字错误分割问题,提出了一种直接高效的自然场景汉字逼近定位方法。采用经典的EAST算法对场景图像中的文字进行检测。对初检的文字框进行调整使其更紧凑和更完整地包含文字,主要由提取各连通笔画成分、汉字分割和文字形状逼近三部分组成。矫正文字区域和识别文字内容。实验结果表明,提出的算法在保持平均帧率为3.1帧/s的同时,对ICDAR2015、ICDAR2017-MLT和MSRA-TD500三个多方向数据集上文本定位任务中的F-score分别达到83.5%、72.8%和81.1%;消融实验验证了算法中各模块的有效性。在ICDAR2015数据集上的检测和识别综合评估任务中的性能也验证了该方法相比一些最新方法取得了更好的性能。

激光驱鸟机器人系统中的稳瞄算法研究

针对现有机场驱鸟系统任务繁重、效率低下和代价高等问题,设计了一套由摄像机、双轴反射镜、激光器、视频处理和伺服控制组成的激光驱鸟机器人系统。系统中的飞鸟稳瞄算法由目标检测、目标跟踪和伺服控制算法组成。针对经典的核相关滤波器(KCF)跟踪算法缺少目标丢失判断问题,在跟踪过程中采用了一种简单有效的最近邻分类器来确定跟踪目标,以提高跟踪的稳定性;针对KCF算法中的方向梯度直方图(HOG)特征的弱区分性问题,采用深度网络中间层近似大小的特征图替代原KCF算法中串联的HOG特征,在避免逐块提取深度特征的同时增强目标特征的辨识性。实验结果证明,激光驱鸟机器人系统可以准确地对飞鸟进行刺激干扰,并且对飞鸟的检测和跟踪性能都高于其他算法。该系统可作为机场有效安全的刺激信号驱鸟方案。