关键词： 行为识别   计算机视觉   RGB数据   骨骼数据   特征提取   深度学习  

摘要： 人体行为识别是计算机视觉领域中的重要研究方向,在人机交互、医疗康复、自动驾驶等领域具有广泛应用和重大意义。由于其方法的重要性和前沿性,对该领域进行全面、系统地总结具有极其重要的意义。深入探讨了基于RGB和骨骼数据模态的人体行为识别方法;按照特征学习方式的不同,分为基于传统机器学习的手工特征提取方法和基于深度学习的深度特征提取方法。介绍了行为识别的基本流程,并总结了公开数据集。详述了基于RGB和骨骼数据模态的识别方法。对于RGB数据,分析了基于2D CNN、RNN和3D CNN的特征提取方法;对于骨骼数据,介绍了自上而下和自下而上的姿态评估算法,重点分析了基于RNN、CNN、GCN、Transformer和混合神经网络的分类算法。最后,展望了未来深度学习在人体行为识别中的五个研究方向。

关键词： 病变叶片检测   WeightedDetect   CBAM   GhostModule   BiFPN   目标检测  

摘要： 目的旨在解决植物叶片病害检测中目标检测技术参数量大、计算复杂度高及病害检测准确率低等问题.方法提出一种改进型轻量级YOLOv5模型.该模型通过集成CBAM(convolutional block attention module)、GhostModule以及BiFPN-Concat模块,降低了特征通道融合的计算复杂度,同时提升了特征提取性能.还创新性地设计了WeightedDetect结构,替代了传统的检测头部,以实现对不同尺度目标的自适应识别.结果与原始YOLOv5模型相比,提出的模型在病害检测准确度上提升了2.7%,同时在参数量上增加了9.5%,而在计算复杂度的指标FLOPs(floating point operations)上降低了10.5%.还在VOC数据集上进行了模型的通用性测试,与YOLOv5相比,准确度提高了3.7%.结论提出的改进型YOLOv5模型不仅提高了植物叶片病害检测的准确性,而且通过优化计算复杂度,提高了模型的实用性和效率.这一改进对于提高农业生产的智能化水平,以及更有效地预防和管理植物病害具有重要意义,并为相关领域的研究提供了新的解决方案.

关键词： 计算机   图像处理技术   视觉传达系统   应用实践  

摘要： 本文探讨了视觉传达系统中计算机图形图像处理技术的应用,引入了非局部均值算法、基于PCA的多光谱压缩技术和Otsu自适应阈值法。通过验证,这些技术有效提高了视觉传达系统的效率和表现力,为设计师提供了更多创作可能。

关键词： 飞行员   异常行为   目标检测   人工智能  

摘要： 随着民航事业的快速发展,飞行员异常行为对航空安全的影响日益严重。为了解决这一问题,文章提出了一种基于目标检测的飞行员异常行为检测系统,该系统基于YOLOv8目标检测算法,旨在实时识别和预警飞行员在驾驶舱内吸烟、玩手机等异常行为,从而提高飞行安全性。实验结果表明,该系统在飞行员异常行为的实时检测和预警方面具有较高的实用性和准确性。

关键词： 夜间驾驶   目标检测   自适应Gamma校正   YOLOv5  

摘要： 光照条件差会对夜间行车安全构成严峻挑战。基于此,设计了一种融合自适应Gamma校正与YOLOv5的夜间驾驶辅助系统。该系统通过树莓派控制核心及多个外设,实现图像采集、图像增强、目标检测和语音提示等功能,从而有效降低驾驶风险。介绍了系统硬件组成及功能,阐述了软件自适应Gamma校正的实现过程和YOLOv5目标检测模型的训练过程,并在实验环节验证了系统的可靠性。

关键词： 目标检测   无人机   深度学习   计算机视觉   神经网络  

摘要： 无人机在军事/民用/商业领域的广泛应用促使对其识别和分类的需求。随着人工智能的不断发展,深度学习作为一种机器学习技术,在目标检测领域展现出良好的性能,也可应用于无人机识别领域。本文首先介绍了无人机识别的背景和意义,回顾了深度学习的发展历程,并分别介绍了目标检测中两种重要的算法结构:两阶段目标检测算法和单阶段目标检测算法;然后,对目标检测常用算法以及算法中的骨干网络等进行了阐述,归纳了近年来无人机识别改进算法的改进策略,总结了改进效果及其缺点和局限性;最后,针对目前无人机识别的研究现状,提出展望和挑战,有望在建立无人机数据集,提高无人机检测的准确性、实时性等方面取得更大突破,推动无人机技术在各个领域的应用。

关键词： 仓储物流   机器人拣选   视觉引导   目标检测  

摘要： 文章提出一种基于视觉引导的机器人拣选系统,并研究其在物流自动化中的应用。该系统主要由视觉模块、机器人模块以及末端执行器模块3个模块组成,通过工业相机acA1920-40gc获取目标物体的图像,结合6轴机器人Fanuc M-710ic/45M进行精准抓取。在实验中,系统通过精确的图像识别和准确的轨迹规划,成功完成目标物体的抓取与搬运。实验结果表明,系统能够在较小的误差范围内精准抓取目标物体。

关键词： 深度学习   卷积神经网络   人脸识别   生成对抗网络   图像处理  

摘要： 随着深度学习技术的快速发展,其在计算机视觉领域尤其在人脸识别系统中的应用优势日益显著。本文探讨了深度学习算法在人脸识别中的应用,重点分析了卷积神经网络(CNN)在特征提取中的关键作用,以及生成对抗网络(GAN)在增强训练数据和解决表情变化、遮挡等问题中的潜力。通过分析深度学习技术在人脸识别领域的实际应用,本文展示了其在安防、金融和智能设备等多个行业中的实际效益,进一步强调了深度学习算法提升识别精度和系统鲁棒性的能力。最后,文章展望了深度学习在人脸识别系统中未来的发展方向与挑战。

关键词： 图像处理   目标检测   语义地图   激光雷达   区域分割  

摘要： 本文提出了一种基于激光雷达和深度相机数据的区域划分方法,通过平均距离检测、宽度判断和平滑性分析实现区域入口的高效识别;结合目标检测技术和深度信息,精确计算物体的三维空间位置,并通过物体类别统计划分功能性区域.本方法融合了几何信息与语义信息,不仅提升了区域入口检测的精度与效率,还在动态场景中实现了物体位置的判断和功能性区域划分.实验结果表明,本方法在区域入口检测、物体识别及区域划分的精度和实时性方面均优于传统方法,能够生成高效的语义分割区域地图.

关键词： 工程认证   数字图像处理   课程思政  

摘要： 工程认证是以能力培养为导向、按国际标准提高应用技术人才质量的重要举措,当前工程认证教育已成为应用型本科高校人才培养的共识。随着人工智能和无人驾驶等新一代信息技术的快速发展,机器视觉显得尤为重要。《数字图像处理》课程作为机器视觉的基础,亟需在工程认证背景下对其进行改革。结合课程特点,充分挖掘利用课程思政资源并通过案例式和模块化教学激发学生学习热情,为其工程能力培养和进一步深造创造了条件。