关键词： 红外弱小目标   复杂背景   强机动目标   数据驱动   二维子空间   三维时空  

摘要： 针对复杂背景下红外弱小目标检测跟踪中目标特征缺失、强杂波干扰等问题,基于多帧的处理方法引入了目标运动特征来提升性能,然而针对无人机等新型强机动目标,现有的基于机理模型的多帧处理方法难以覆盖其复杂多变的运动形态,导致其检测跟踪的效果并不理想。对此,以多帧的处理方法为基础框架,提出了一种复杂背景下基于数据驱动的红外弱小机动目标检测跟踪方法:首先采用MPCM算法对弱小目标进行增强;其次将多帧的增强结果投影到二维子空间,构建基于YOLO的二维轨迹检测模型;最后将二维检测结果进行三维时空回溯,构建基于LSTM的三维轨迹检测模型。构建检测模型时,在实测图像的基础上进行了数据增广,使得训练样本尽量覆盖目标的各种运动形态;在二维子空间上,利用高性能YOLO检测网络,快速剔除大量杂波;在三维时空上,利用LSTM时序网络对少量难剔除的杂波进行精细化筛除。与多种算法的对比实验结果表明,所提方法在耗时上能满足实时性要求,同时,在多个场景下的平均跟踪精度能达到86.6%,虚警率仅有9.2%,ROC曲线下的AUC值能达到0.9820。

关键词： 图像处理   Canny   边缘检测   改进的递归中值滤波   双线性插值   基于迭代的Otsu阈值分割  

摘要： 针对传统Canny边缘检测算法不能处理椒盐噪声干扰,阈值选取依靠人工干预的问题,提出一种改进Canny算子的边缘检测算法。首先,提出一种改进的递归中值滤波取代高斯滤波,去除图像噪声的同时减少图像边缘信息的丢失;然后,利用双线性插值改进非极大值抑制对像素梯度值进行亚像素级别的定位;最后,采用基于迭代的Otsu阈值分割算法自适应地获取阈值并进行迭代式边缘连接,提高算法的自适应程度。实验结果表明,对比Canny算子、Sobel算子以及一种改进的Canny算法,在去噪图像质量评价指标上提高了8.5%,在边缘检测准确率上提高了22%,并且改进的算法去除椒盐噪声能力突出,自适应性强,检测出的边缘信息更完整,连续性更佳。

关键词： 多尺度卷积网络   特征提取   点云   稀疏卷积  

摘要： 基于多模态焦点稀疏卷积的目标检测算法对小尺寸目标检测精度不足的问题,提出一种多尺度特征提取网络.算法融合多尺度特征,提取网络优化原始算法中的特征提取部分,提升行人和自行车类别的定位精度,加入多模态焦点稀疏卷积目标检测网络.结果表明,改进后的目标检测模型提升了小目标“Pedestrians”类和“Cyclist”类检测的mAP(mean Average Precision)百分比,提升了小尺度目标的定位精度.

关键词： 动态场景   目标跟踪   LSTM-Attention  

摘要： 在动态场景中,目标跟踪技术面临复杂背景干扰及目标快速移动等多重挑战。为探索目标跟踪技术在动态场景中的应用,文章利用基于LSTM-Attention的视觉模型,旨在提升动态场景下目标跟踪的精准度。该模型结合了LSTM(长短期记忆网络)在处理时间序列数据上的记忆能力,以及Attention机制在捕捉动态场景中目标动态变化特征方面的优势。基于此模型,在动态场景下执行目标跟踪任务,并将该模型的表现与传统目标跟踪算法进行对比,分析不同场景因素对跟踪结果的影响,以验证新模型的优势。实验数据表明,在目标快速移动或部分遮挡的情况下,该模型仍能准确、稳定地追踪目标,并且在复杂动态场景下保持了80.4%的精确度,展现出较强的抗干扰能力。

关键词： 深度学习   口腔正畸   目标检测  

摘要： 口腔正畸是专注于矫正牙齿和颌骨的不正常位置和咬合问题,改善患者的口腔功能、牙齿美观以及整体面部结构的学科。牙齿状况既关系到人的健康问题,也是关系人体面部美观程度的重要因素,尤其对面部微笑表情有重要影响。传统口腔正畸依赖于医生的专业技术和医学素养,无法满足日益增长的正畸需求。将深度学习引入口腔正畸领域,可以通过对人体面部露齿图像的采集和智能分析,对口腔问题进行检查和判断。基于此,患者自身可以自我筛查,及早发现问题,医生可以对患者正畸治疗状况进行长期监控,根据牙齿问题和面部微笑表情的改善状况调整治疗方案,从牙齿健康和正畸美学的角度保证治疗效果。

关键词： 计算机视觉   多模态   RGB-骨骼动作识别   对抗训练  

摘要： 恶意攻击者可以通过在自然样本中添加人类无法察觉的对抗噪声轻易地欺骗神经网络,从而导致分类错误.为了增强模型对抗扰动的鲁棒性,先前的研究大多关注单模态任务,对多模态场景的研究相对匮乏.为了提升多模态RGB-骨骼动作识别的鲁棒性,提出了一个基于特征交互模块(FIM)的鲁棒动作识别框架,提取对抗样本的全局信息并学习模态间的联合表征,以此来校准多模态特征.实验结果表明,面对CW攻击,该动作识别框架在NTURGB+D数据集上进行鲁棒性评估,其RI值达到25.14%,平均鲁棒准确率也达到48.99%,比最新的MinSim+ExFMem方法分别提高了8.55和23.79个百分点,表明其在增强鲁棒性及平衡准确率方面都优于其他方法.

关键词： 特征匹配   多目标跟踪   序贯蒙特卡洛概率假设密度   特征信息  

摘要： 传统的雷达多目标跟踪采用数据关联方法,当杂波和目标数目较多时,这类方法计算量成指数增长,会出现组合爆炸。而基于随机有限集的序贯蒙特卡洛概率假设密度(SMC-PHD)滤波方法无需显式数据关联,为雷达非线性多目标跟踪提供了一种有效解决方案。但在密集杂波和检测概率较低的环境中,传统的SMC-PHD滤波器跟踪性能和实时性能大幅下降。因此,本文提出一种特征匹配的SMC-PHD雷达非线性多目标跟踪算法,使用雷达回波中包含的特征信息对传统SMC-PHD滤波方法进行改进。这些特征信息可以滤除大量杂波,并区分同一新生位置的不同目标,从而提高跟踪精度和实时性。仿真结果表明,该方法能够在密集杂波且检测概率较低的环境下改善雷达多目标跟踪的准确性和实时性。

关键词： 文物保护   预防性保护   图像处理   本体监测   彩绘陶俑   裂隙变化  

摘要： 针对秦始皇帝陵兵马俑本体监测需求,设计了一种区域内多特征点跟踪的俑体劣化图像监测方法。该方法在俑体图像中需要监测的位置划定区域并提取特征,之后通过多点匹配的方法跟踪前后图像同区域的位移变化,结合其多个点位变化结果,在不需要破坏文物遗存环境的情况下,可判断俑体倾倒、剥落和裂隙变化等情况。通过其安置在俑体的倾角传感器数据配合实验证明:该方法操作简单、易于实施、不破坏文物本体,适用于多种文物和复杂环境下的本体监测。

关键词： 路侧停车   图像数据   目标检测   YOLOv5  

摘要： 针对现有路侧停车目标检测和识别方法在复杂场景中效率和精度的不足,提出了一种基于梯形卷积算法的优化方案,并将其集成至YOLOv5模型中。此算法通过选择性跳过部分不必要的卷积运算,减少了计算量,从而提升了模型推理效率。实验使用视频采集的图像数据集进行训练和验证,比较了传统卷积和梯形卷积在不同设备下的性能差异,改进后的模型在CPU环境下推理时间减少,且实现了较明显的速度提升。因此,算法能够在路侧停车场景中提高目标检测模型的实时性,为部署低成本高效率的智能交通系统提供了新方案。

关键词： 多目标跟踪   Transformer结构   运动预测   高斯混合模型  

摘要： 针对视频中目标之间的遮挡会增加轨迹关联难度的问题,提出了一种高斯混合轨迹预测模型来改善遮挡情况下的关联效果.该模型采用Transformer结构,从对象的历史运动信息中提取更长的时间依赖性,以便更准确地预测跟踪对象在未来的轨迹分布;同时,将模型的输出设置为高斯混合分布,采用多个高斯分布相加来定义跟踪对象在未来的轨迹分布,以利用轨迹分布来计算检测目标和跟踪对象之间的空间相似性.实验结果表明:该模型能够改善跟踪性能,在MOT17数据集上HOTA达到了56.3%.