关键词： YOLOv8   居家环境   目标检测   跌倒特征   跌倒行为识别  

摘要： 对于现有跌倒行为识别算法在复杂的居家环境条件下,出现算法精度低、实时性差等问题,文章提出一种基于YOLOv8的居家环境跌倒行为识别方法。该方法通过网络摄像头获取视频图像,使用基于YOLOv8的目标检测算法识别监控视频中每一帧画面的人体与跌倒特征,再结合时序状态特征处理,设定规则判别跌倒行为,并进行跌倒预警。实验证明,改进的方法精确率达94.9%,召回率达95.7%,FPS为40,算法识别准确率高、实时性强,为跌倒行为识别提供了一种简单而有效的方法。

关键词： 计算机视觉   疲劳检测   预警系统   人脸检测  

摘要： 疲劳驾驶极大地降低了驾驶人员的反应能力和判断力,成为交通安全的重大隐患。针对疲劳驾驶预警存在的不足,采用三层体系架构,设计与实现了基于计算机视觉技术的疲劳驾驶预警系统。首先,检测道路两侧的车道线,根据行车方向与车道方向的夹角变化,实现了车道偏移预警;其次,检测眼部特征关键点,根据眼部闭合时间长短,实现了闭眼疲劳预警;再次,检测嘴部特征关键点,根据嘴部纵横比的变化,实现了哈欠疲劳预警;最后,根据历史疲劳驾驶数据,实现了对车辆疲劳驾驶行为的预测。通过该系统的使用,可以实现对疲劳驾驶行为的预警,有效提高行车安全和减少交通事故风险。

关键词： 自动巡检   图像处理   无人机   输电线路  

摘要： 阐述一种基于无人机影像的输电线路自动巡视系统。介绍系统的设计与构成,探讨系统的工作流程与算法原理,包括无人机航行路径规划、图像数据采集与处理流程、缺陷检测与识别算法原理。

关键词： 无人机影像   数字正射影像图(DOM)   数字表面模型(DSM)   YOLOv5模型   目标检测  

摘要： 本文针对道路建设迅速推进,道路场景地物目标检测效率低、精度低等问题,提出一种基于改进YOLOv5模型的道路场景地物目标检测和尺寸测量方法。针对检测效率低问题,本文利用无人机采集道路场景地物数据;针对目标检测精度低问题,通过在Backbone主干网络中C3模块中增加卷积块注意力模块(CBAM)注意力机制、增加P2小目标检测头和改进损失函数SIoU来改进YOLOv5模型,提高精度。最后,利用数字正射影像图(DOM)和数字表面模型(DSM)进行道路场景地物尺寸测量。实验结果表明:利用改进YOLOv5模型对道路地物进行检测,Precision、Recall、mAP@0.5和mAP@0.5:0.95分别比YOLOv5模型算法提高了1.7%、7.5%、6.5%和4.2%,分别达到了85.9%、90.0%、90.3%和52.1%,有效提高了地物目标检测精度;利用DSM进行道路场景地物尺寸测量也达到很好效果。

关键词： 红外图像   YOLOv7模型   电力设备   故障识别   图像处理  

摘要： 目前电力设备故障尚未应用温度变化率进行变压器故障诊断,因此本文提出利用基于模糊温差法的隶属函数方法对红外图像进行预处理,并利用YOLOv7模型对红外图像进行处理,以提升红外图像的辨识度。试验结果表明,YOLOv7算法的红外图像处理模型的节点数量仅为121个,比YOLOv3和YOLOv4分别降低80.9%、81.03%。并且YOLOv7算法在图像处理时间方面具有较好的性能,检测时间仅为10 s,比YOLOv3和YOLOv4的检测时间分别降低50%和30%。

关键词： 活体检测   反欺诈攻击   图像处理   数据融合  

摘要： 基于神经网络的活体检测算法有效防止各类欺诈攻击,但当前的活体检测算法无法兼顾检测速度、检测精度和成本。对此,在MobileNetv2的基础上提出一种多模态数据融合的活体检测算法,该算法引进跨阶段部分网络(Cross Stage Partial Network,CSPNet)和提出DDConvBlock,实现检测速度、检测精度和成本之间相平衡的设计目标。为验证该算法的有效性,先在公共数据集Msspoof和CASIA-SURF上进行实验验证。接着根据实际需求,构建私有数据集,并在该数据集上用该检测算法进行建模和实验验证。验证结果表明该方法在不同遮挡和不同攻击方式下能有效地进行活体检测,该检测模型具有可移植性强的特点,能够推广到对安全性和便利性要求较高的平台中。

关键词： 杂波知识图谱   空时谱估计   自适应处理   稀疏性   航空电子技术   目标检测   多目标信号跟踪  

摘要： 在隐藏体目标故障探测识别中,由于埋体材质以及信号微弱的小埋藏体信号混合等杂波干扰,导致多目标信号难以捕捉。为此,设计了杂波知识图谱驱动的空时自适应处理方法,可有效抑制杂波并完成动目标检测。通过仿真实验发现,场景中的主要杂波集中在-15°的角度范围内,并且归一化多普勒值接近0.25。使用空时自适应处理和空时谱估计算法,确定真实运动目标具体位置在146帧附近,得到的方位角和归一化多普勒数值与仿真实验一致,表明所提方法的正确性和有效性。

关键词： 战略规划   风险治理   风险挑战   战略升级   自然语言处理   机器学习   计算机视觉   数据安全  

摘要： 在国瑞公司的战略发布会上,浩瀚深度(科创板:688292)与国瑞公司共同发布了“从网络数据安全到AI风险治理”的战略规划,标志着浩瀚深度与国瑞公司的资本并购顺利完成。这一战略规划旨在构建一套全面的风险治理体系,有效应对AI内生安全与AI应用安全等方面的风险挑战,旨在有效解决AI技术在应用过程中可能出现的安全问题,提高风险治理的效率和准确性,提升AI应用的安全性和可靠性。该战略规划依托大模型技术、自然语言处理、计算机视觉和机器学习等前沿技术,针对多模态信息进行全面检测与研判,汇聚融合多源数据资源与分析能力,打造AI驱动、技管结合的人工智能监测平台。

关键词： 小目标   无人机   航拍图像   目标检测   YOLOv5  

摘要： 针对无人机航拍图像小目标检测时由于小目标像素值少,特征不丰富、难提取和易受环境干扰等局限性,容易导致模型漏检、精度低以及网络参数量过大等问题,提出一种改进YOLOv5s网络的无人机小目标检测模型,改进了YOLOv5s网络结构,在不增加小目标检测头的条件下减化网络结构,减少参数量,使模型更轻量化;提出了金字塔池化模块(ASPPF),将空洞卷积加入到YOLOv5s网络的SPPF模块,加强特征信息的空间不变性,提高了网络对小目标的感知能力;采用跨层上采样(CLAU)注意力模块,在上采样过程后将低分辨率深度特征与高分辨率浅层特征融合,提高了对小目标图像的检测效率;使用EIoU损失函数替换原CIoU损失函数,提升训练的收敛速度。在VisDrone2019数据集上的验证表明,改进后模型的mAP@0.5和mAP@0.50∶0.95分别为41.2%和23.4%,较原模型分别提升了7.2和4.7个百分点,参数量仅为原先的49%。

关键词： 无人机   小目标检测   PPYOLOE  

摘要： 为提升无人机视角下车辆检测的性能,该实验利用无人机设备,采集地面和高空视角下的车辆视频数据。提出了PPYOLOE-IBN的检测算法,将主干网络浅层结构中BN层(Batch Normalization Layer)的一半通道结构替换为IN层(In⁃stance Normalization Layer),降低了光照、视角等客观因素的影响。在自建的车辆数据集上,算法的平均精度(Mean Aver⁃age Precision,mAP)达到了81.8%,相比改进前的PPYOLOE算法提升了2.6%;与以Transformer为架构的RT-DETR算法相比,高出3.3%。最后在公开数据集UA-DETRAC上作进一步对比,验证算法的有效性。