关键词： 毫米波雷达   相干干扰   虚假目标   随机有限集   高斯混合概率假设密度   多目标轨迹跟踪  

摘要： 在密集车辆感知场景中,由于在车辆间雷达发射信号缺少协调机制,使得接收雷达回波极易受到邻近车辆发射信号的干扰,导致雷达视野内产生虚假目标并引发真实目标跟踪失败。为解决上述挑战,提出一种基于高斯混合概率假设密度滤波的雷达抗干扰目标跟踪方法。首先,利用时频变换技术对雷达接收信号进行特征分析,阐明干扰信号对真实目标回波的影响机理。接着,考虑到干扰强度变化会造成检测目标时变,不同于传统针对目标点的“状态-量测”显式关联思路,基于随机有限集理论构建状态和量测集合,并引入自适应关联权重,建模“状态-量测”集合间的隐式映射关系。最后,为进一步融入“真实-虚假”目标的时空分布特征,采用高斯混合概率假设密度滤波方法求解上述过程,能够有效降低虚假目标干扰,并实现动态数目条件下目标的准确跟踪。利用TI公司的毫米波雷达在真实场景中开展了方法验证,于被测车辆前方布设同频雷达以施加射频干扰。干扰条件下,雷达谱底噪显著抬升,信噪比降至-10 dB以下。试验结果表明,该方法在目标交叉与遮挡等复杂场景中仍能实现稳定跟踪;虚假目标抑制性能卓越,使跟踪误差较其他算法降低约50%,充分验证了该方法的优异抗干扰性能。

关键词： 目标检测网络   语义分割网络   特征提取  

摘要： 阐述一种基于计算机视觉的裂纹识别与几何特征提取方法。该方法通过整合高分辨率图像采集与数据增强技术构建样本库,采用YOLOv5目标检测网络定位标定块以校准像素尺度并校正图像畸变,结合U-Net++语义分割网络实现裂纹的像素级分割。

关键词： YOLO12   智能交通监测   实时分析   目标检测  

摘要： 随着城市化进程的加快,智能交通系统成为缓解交通拥堵、提高交通管理效率的重要手段。文章提出了一种基于YOLO12的实时智能交通监测与分析系统,该系统利用YOLO12目标检测模型的高精度和实时性,实现了对交通场景中车辆、行人等目标的快速识别与跟踪,为交通管理提供了决策支持。

关键词： 无人机图像   目标检测   多尺度特征提取与融合   自适应细粒度通道注意力   EMSPConv  

摘要： 针对无人机图像中背景复杂、光线多变、目标遮挡及尺度不一导致的漏检、误检问题,提出一种多层次精细化无人机图像目标检测算法。首先,结合多尺度特征提取与特征融合增强策略,设计CSP-SMSFF(cross stage partial selective multi-scale feature fusion)模块,该模块通过递增卷积核与通道融合,精确捕获多尺度目标特征。其次,引入AFGCAttention(adaptive fine-grained channel attention)机制,通过动态调优机制优化通道特征表达,增强算法对多尺度重要样本特征的感知力与判别力及细粒度映射信息的保留能力,抑制背景噪声,改善漏检情况。而后,设计SGCE-Head(shared group convolution efficient head)检测头,利用EMSPConv(efficient multi-scale convolution)卷积实现对空间通道维度中全局重要特征与局部细节信息的精准捕获,增强对多尺度特征的定位与识别能力,改善误检问题。最后,提出Inner-Powerful-IoUv2损失函数,通过动态梯度加权与分层IoU优化,平衡不同质量样本的定位权重,增强模型对模糊目标的检测能力。采用数据集VisDrone2019和VisDrone2021进行实验,结果表明,该方法mAP@0.5数值达到了47.5%和45.3%,较基线模型分别提升5.7%和4.7%,优于对比算法。

关键词： 雷达成像   机载太赫兹雷达   目标识别   目标检测  

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段,机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备,为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息,进行重点区域目标检测、识别、跟踪,值得深入探索。此外,视频SAR与可见光、红外宽谱段集成,还可以视频级高刷新率实现低空对地多模态、高精度感知,多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。

关键词： 遥感图像   微小目标   特征提取   上下文信息  

摘要： 针对遥感图像微小目标检测中存在的浅层细化特征、深层语义表征和多尺度信息提取3个问题,提出一种综合运用多项技术的跨尺度YOLOv7(cross-scale YOLOv7,CSYOLOv7)网络。首先,设计跨阶段特征提取模块(cross-stage feature extraction module,CFEM)和感受野特征增强模块(receptive field feature enhancement module,RFFEM)。CFEM提高模型细化特征提取能力并抑制浅层下采样过程中特征的丢失,RFFEM加大网络对深层语义特征的提取力度,增强模型对目标上下文信息获取能力。其次,设计跨梯度空间金字塔池化模块(cross-gradient space pyramid pool module,CSPPM)有效融合微小目标多尺度的全局和局部特征。最后,用形状感知交并比(shape-aware intersection over union,Shape IoU)替换完全交并比(complete intersection over union,CIoU),提高模型在边界框定位任务中的精确度。实验结果表明,CSYOLOv7网络在DIOR(dataset for image object recognition)数据集和NWPU VHR-10(Northwestern Polytechnical University Very High Resolution-10)数据集上分别取得了74%和89.6%的检测精度,有效提升遥感图像微小目标的检测效果。

关键词： 火焰检测   移动机器人   TurtleBot2   YOLOv5  

摘要： 提出了一种基于移动机器人的火焰检测系统,旨在提高室内环境下的火焰检测精度。系统选用配有摄像头传感器的TurtleBot2机器人,对传统YOLOv5算法进行改进,通过引入CA模块来提升火焰检测的准确性和适应性。实验结果表明,在复杂的室内场景中,该系统可在巡检过程中实时检测火焰与烟雾信息,并触发报警功能。同时,改进后的算法平均精度比原算法提升5%,能够更有效的应对复杂环境中的火焰检测任务。

关键词： 绝缘子缺陷   注意力机制   损失函数   目标检测   YOLOv5算法  

摘要： 在目前针对电塔绝缘子的缺陷检测领域中,存在大雾天气下绝缘子识别度不高、有缺陷的绝缘子难以正确识别的问题。为此,提出一种改进的YOLOv5缺陷检测模型。该模型以YOLOv5算法为基础,对主干网络特征提取的3个不同大小的特征层分别引入SEnet、CBAMnet、ECAnet三种不同的注意力机制,以加强特征提取能力。此外,引入Focal Loss损失函数,加强对易分类样本和难分类样本权重的控制。实验结果表明,改进后的YOLO检测模型在检测正常绝缘子的AP值为85.67%,缺陷绝缘子的AP值为97.33%,其mAP值达到了91.50%。与传统YOLOv5模型相比,分别提升了0.29%、0.48%、0.38%。同时,其正常回归率和缺陷回归率分别提升了5.52%和3.95%。改进后的模型能够更好地识别正常和缺陷绝缘子,对后续绝缘子相关研究具有一定的参考价值。

关键词： 机器视觉   图像处理   尺寸测量   远心光路   卡尺工具  

摘要： 针对传统工业检测中人工测量工件尺寸存在效率低、精度差等问题,研究了一种基于视觉技术的零件尺寸精密测量系统。文中以3个直径均为10 mm、高度不同的圆柱形零件为测量对象,使用普通工业镜头进行图像采集,通过图像处理得出圆柱直径在对准平面存在0.02 mm的误差,但测量结果因物距变化而产生的误差增大。因此采用双远心镜头进行测量,测得直径误差在0.02 mm,该测量误差不随物距的变化而增大,满足测量要求。实验验证了所提方法的可行性和有效性,可以对零件尺寸进行精密测量,具有检测精度高的优点。

关键词： 无人机   目标跟踪   特征融合   特征分块注意力   Siamese网络  

摘要： 无人机(UAV)已被广泛应用于各类领域中,目标跟踪是无人机应用的关键技术之一。提出一种基于特征融合和分块注意力的无人机跟踪算法,旨在解决无人机在目标跟踪时面临的外观变化和外界因素干扰等问题。采用Siamese网络提取模板图像和搜索图像的方向梯度直方图(HOG)特征、颜色(CN)特征和深度卷积特征,自适应计算3种特征权重的大小,增强融合特征的表达能力。采用改进的特征分块注意力机制,增强模板图像特征信息中有效区域的关注度,实现更有效地目标相似度匹配。为降低计算成本,将输出特征向量转换到YCbCr空间后进行离散余弦变换(DCT)并保留低频分量,得到特征响应图,进行分类回归得到最终目标位置。实验表明:所提算法可以降低外观变化、外界因素干扰对跟踪性能的影响,提升目标跟踪的准确性。