关键词： ZYNQ   动态三帧差分法   目标检测   实时图像处理  

摘要： 传统视频监控系统在实时运动目标检测时,存在目标检测不完整和目标检测错误的局限性。本研究基于体积小、实时性高的需求,提出了一种将动态三帧差分法与Sobel边缘检测算法结合的实时目标检测方法,并基于ZYNQ构建了视频采集模块、图像处理模块、图像缓存模块、视频显示模块和目标地址读取程序,可提高检测的准确性与实时性。在CDnet数据集与实拍场景上进行实验验证,结果表明该系统能够在不同场景下有效、准确地检测实时运动目标。

关键词： 同步定位与地图构建   目标检测   动态特征点剔除   定位精度   光流法  

摘要： 针对室内动态场景中存在的动态目标会降低同步定位与地图构建(SLAM)系统的鲁棒性和相机定位精度问题,提出了一种基于目标检测网络的动态视觉SLAM算法。选择YOLOv5系列中深度和特征图宽度最小的YOLOv5s作为目标检测网络,并将其主干网络替换为PPLCNet轻量级网络,在VOC2007+VOC2012数据集训练后,由实验结果可知,PP-LCNet-YOLOv5s模型较YOLOv5s模型网络参数量减少了41.89%,运行速度加快了39.13%。在视觉SLAM系统的跟踪线程中引入由改进的目标检测网络和稀疏光流法结合的并行线程,用于剔除动态特征点,仅利用静态特征点进行特征匹配和相机位姿估计。实验结果表明,所提算法在动态场景下的相机定位精度较ORB-SLAM3提升了92.38%。

关键词： 目标跟踪   稀疏内嵌注意力机制编码器   类间特征聚合编码器   运动特征嵌入  

摘要： 针对现有视觉目标跟踪方法仅使用初始帧的目标单一外观特征,导致当背景复杂或外观发生剧烈变化时跟踪失效的问题,提出一种基于多层特征嵌入的单目标跟踪算法。增强目标的外观区分度,使用稀疏内嵌注意力机制编码器,嵌入具有高实例区分度的外观特征;采用类间特征聚合编码器嵌入目标的类别信息,在外观发生变化时保持类内的紧凑性;同时将预测的历史帧跟踪框坐标转化为目标运动轨迹特征嵌入,为算法提供高置信度的时间上下文特征。研究结果表明:所提算法在OTB100基准测试中成功率和准确率分别达到71.4%和92.6%,在GOT-10K、LaSOT、TrackingNet共3个大规模公开数据上取得了鲁棒的效果,成功率分别达到64.9%、72.0%和78.7%;基于多层特征嵌入的单目标跟踪算法有效地克服了现有算法的局限,具有较好的准确性和鲁棒性。

关键词： 图像处理   天文观测   海量数据   天文数据   高效传输   AI   承载方案   指数级  

摘要： 近年来,Y省依托西南地区得天独厚的天文观测优势,逐步成为国内重要的天文观测站点,吸引着国内外的天文工作者前来观测研究,被誉为观测“圣地”。随着天文观测技术的快速发展,各类巡天项目观测的广度不断拓展、精度大幅提升,然而,这也致使天文数据量呈指数级迅猛增长,天文观测领域面临严峻的“数据雪崩”困境。因此,如何高效传输观测站内众多望远镜采集的数据,以及对海量数据进行快速梳理并完成相关图像处理的工作,成为天文观测领域亟待解决的新课题。

关键词： 目标检测   瓦斯抽采   钻杆识别   YOLOv5  

摘要： 随着煤炭开采深度的增加,瓦斯突出成为制约煤炭开采的重要因素。煤矿井下瓦斯钻杆计数对井下瓦斯抽采具有重要的指导意义。目前,主要使用的传统人工计数方式较为费时费力。为解决上述问题,提出一种基于YOLOv5的煤矿井下瓦斯钻杆智能识别方法。该方法通过目标检测算法YOLOv5对钻杆特征进行充分提取和聚合,并输出最终检测结果。通过多角度布置摄像头采集钻杆数据,构建了BOLT-1000钻杆数据集,并搭建了实验平台进行训练和验证。实验结果表明,该方法在自制数据集上具有较高的精确度和鲁棒性,能够准确识别井下瓦斯钻杆。

关键词： PCIe总线   矿井图像   图像处理   实时监测  

摘要： 提出了一种基于PCIe总线的矿井图像测试系统。该系统利用高速PCIe接口,实现了对矿井环境中图像数据的快速采集和传输。设计采用先进的图像处理算法,实现对矿井场景的实时分析和监测。此外,系统通过优化的硬件架构和并行计算,提高了测试系统的性能和稳定性。实验结果表明,该系统能够高效地获取并处理矿井图像数据,为矿业安全监测提供了可靠的技术支持。

关键词： 道路目标检测   YOLOv5   特征提取   MPDIoU   注意力机制  

摘要： 主流道路车辆目标检测算法在复杂环境下对小目标识别精度低,易因遮挡和定位不准确造成漏检、误检。提出了改进版YOLOv5算法。针对道路上的小目标,改进Head检测层结构,添加大尺度目标检测层,提高道路上小目标检测精度。为适应目标的形状和尺度变化多样,在颈部网络引入全维动态卷积(Omni-Dimensional Dynamic Convolution,ODConv),对原卷积模块进行替换,提高特征提取能力。为了充分利用全局信息,在颈部网络引入全局注意力机制(Global Attention Mechanism,GAM),提升特征提取能力。针对定位精度问题,引入MPDIoU损失函数,使预测框与真实框更加符合。实验结果表明,改进的YOLOv5算法在自动驾驶数据集KITTI上平均精度均值(mean Average Precision,mAP)达到88.7%,相较于基准模型提高了2%,每秒帧数(Frames per Second,FPS)提升了12%。改进算法的检测精度更高,检测速度更快,有效改善了复杂道路条件下的目标检测问题。

关键词： 棉田昆虫   CottonInsect数据集   图像分类   目标检测  

摘要： 棉花是新疆重要经济作物,由于种植结构调整、农药不合理使用与气候变化等原因,棉花易受多种虫害侵袭,影响其产量与品质。因此,构建复杂场景下棉田昆虫图像数据集对棉田害虫综合治理具有基础性意义。本文构建了复杂场景下新疆棉田主要昆虫图像数据集,用于真实环境下棉田昆虫的识别与检测。本数据集包含13种(类)常见的棉田昆虫,共3225张图像,原始图像共24 GB,均通过严格筛选,确保图像质量。对每张图像的棉田昆虫进行人工标注,构建图像分类数据集和目标检测数据集,数据集大小共29.7 GB。使用常见的深度学习模型对数据集进行评估,确保数据集的可用性和可靠性。本数据为棉田昆虫图像分类、目标检测等提供基础数据,对促进农业领域的发展、棉花虫害防治研究及提高棉花产量具有重要的实际应用价值。

关键词： 深度学习   对抗样本   YOLOv8   目标检测   对抗补丁  

摘要： 目前,基于人工智能目标检测技术的摄像头得到了广泛的应用.而在现实世界中,基于人工智能的目标检测模型容易受到对抗样本攻击.现有的对抗样本攻击方案都是针对早版本的目标检测模型而设计的,利用这些方案去攻击最新的YOLOv8目标检测器并不能取得很好的攻击效果.为解决这一问题,针对YOLOv8目标检测器设计了一个全新的对抗补丁攻击方案.该方案在最小化置信度输出的基础上,引入了EMA注意力机制强化补丁生成时的特征提取,进而增强了攻击效果.实验证明该方案具有较优异的攻击效果和迁移性,将该方案形成的对抗补丁打印在衣服上进行验证测试,同样获得较优异的攻击效果,表明该方案具有较强的实用性.

关键词： 肺结节   术前定位   微变放大   计算机视觉   多尺度检测  

摘要： 目的开发一种能够帮助医师定位肺结节的新型识别算法。方法纳入2023年12月于南京大学医学院附属鼓楼医院胸外科行胸腔镜手术的肺结节患者。采集患者60帧/s帧率、1920×1080分辨率的胸腔镜肺表面探查数据,并以定间隔保存帧图像,对帧进行分块处理。用以上数据构建一个针对肺部结节识别的算法数据库。结果共纳入16例患者,其中男9例、女7例,平均年龄(54.9±14.9)岁。在经过优化的多拓扑卷积网络模型中,测试结果显示准确识别率达94.39%。进一步通过整合微变放大技术的卷积网络模型,在识别肺部结节方面的准确率提高至96.90%。将这2个模型的表现综合评估,整体的识别准确率达95.59%。据此,我们推断所提出的网络模型适用于肺部结节的识别任务,且融合微变放大技术的卷积网络在准确率上表现更为优异。结论我们提出的技术模型能够显著提高肺部结节识别的精度和定位准确度并帮助术者在胸腔镜手术过程中定位肺结节。