关键词： 数字图像相关   初值估计   应变测量   位移测量   图像处理  

摘要： 数字图像相关方法是一种基于数字图像处理的用于获取物体表面变形的非接触测量方法。针对现有的初值估计方法计算负荷较大的问题,提出一种基于已计算子区结果进行传递修正的多级网格(Multi-Level Grid,MLG)初值估计方法。首先,根据子区数量以及子区间隔将所有子区划分网格等级,0级网格间距最大,最高级网格取正常设定的子区间隔;然后,利用其他初值估计方法对子区间距最大的0级网格所有子区进行初值估计和迭代计算;最后,根据低层级网格子区的变形参数估计高一级的网格子区的变形参数初值,并进行迭代计算,循环执行直至完成所有级别的子区计算。所提出的算法利用经典“DIC挑战”中的图片进行验证,通过对比FFTCC整像素初值估计方法、基于特征点匹配的尺度不变特征变换初值估计方法和可靠性引导的初值传递方法,验证了所提出的算法可以有效提高整体初值估计准确性,进而降低ICGN迭代次数,提高算法整体执行速度。

关键词： 无人机遥感   地面目标检测   MobileNetv3   高效通道注意力  

摘要： 设计了一种轻量级目标检测模型,用于在边缘计算硬件上部署实施无人机影像目标检测任务。模型以MobileNetv3作为骨干网络,引入高效通道注意力机制来提高特征学习效率;在特征融合网络中设置多重上采样与下采样路径,让全部特征图均参与特征融合,进一步提升信息丰富度。实验证明,本文设计模型相较先进的YOLOv5s以及Tiny-YOLOv4在精度方面均有更好的表现,在mAP0.5方面相较两组对比模型分别提高了4.8%和11%,同时在测试环境下的检测速度能达到35.2 FPS,满足实时检测的要求。

关键词： 读数识别   深度神经网络   DBNet   透视变换   目标检测  

摘要： 为提高水务公司对居民用水量的管理,提出一种基于深度神经网络模型的数字式水表读数检测和识别方法。在原始DBNet网络模型的基础上对特征提取网络进行改进,将特征提取网络ResNet网络替换成DPN双路径特征提取网络;使用透视变换算法对倾斜的读数区域图像进行校正;采用YOLOv5s网络模型对读数区域中的若干个数字进行识别;通过水表识别应用系统将读数结果进行显示,完成水表图像实时检测与识别的功能。实验结果表明:YOLOv5s网络模型具有较好的鲁棒性,能够准确识别出遮挡、模糊以及双半字符数字,识别准确率高达99.1%。

关键词： 目标检测   深度学习   火灾检测   特征融合   YOLOv5  

摘要： 针对目前火灾中烟雾和火焰的检测研究比较单一,且缺少烟雾火焰数据集、检测模型的抗干扰能力不强等导致检测精度低的问题,提出了一种改进YOLOv5的烟火目标检测算法。首先通过网络爬虫获取火灾图片,然后利用开源软件LabelImg在图片中标注烟雾和火焰目标,构建高质量烟雾火焰数据集,并且利用数据集增强方法扩充数据集,以此来提高模型的泛化能力,其次使用YOLOv5的自适应锚框技术对火焰烟雾数据集进行聚类分析,来获得最优的聚类结果,最后改进YOLOv5中的CSP1模块,对特征进行了融合处理,获取了表达能力更强的特征,提高了模型对火焰烟雾的检测效果。实验结果表明,改进的算法对火焰和烟雾的总体检测准确率和召回率为85.9%和88.4%,检测的平均精度(mean Average Precision,mAP)mAP@0.5为90%,相比原始YOLOv5提高了2%,检测速度为42.2帧/s(Frame Per Second, FPS),能够满足火灾检测的准确性和实时性,可以对火灾进行有效检测。

关键词： 红外目标   街道场景   WIoU   全局自注意力估计   可变形卷积  

摘要： 针对复杂街道背景下的红外图像因遮挡、缺乏纹理细节等因素而导致目标误检、漏检的问题,提出一种复杂街道场景下的红外目标检测算法。以YOLOv8n作为基线模型,首先,通过设计多分支卷积结构,以强化特征提取和特征表达,利用结构重参数化实现训练和推理阶段解耦,提高模型推理速度,同时引入全局自注意力估计来加快注意力的计算,将时间复杂度降为O(n),使得卷积核注意力实现动态同一。其次,结合深度可分离卷积和可变形卷积的优势,对上采样结果与主干网络的输出特征进行特征融合之后,引入显著信息感知的可变形卷积注意力门控机制,提高融合特征的语义信息丰富度。最后,替换定位损失函数为高效交并比,分别计算预测框和真实框的长、宽影响因子,加速收敛速度。在Flir数据集上进行验证实验,改进算法的平均精度均值达到79.5%,相较于YOLOv8n算法提高了3.9%,验证了所提算法在复杂街道背景下的红外目标检测上的优越性。

关键词： 计算机视觉   办公区域   智能安全系统   深度学习  

摘要： 聚焦基于计算机视觉(Computer Vision,CV)技术的办公区域智能安全系统的研究,旨在探索CV技术在提升办公环境安全性与管理效率方面的应用潜力。深入分析异常行为检测、人脸识别、目标检测与跟踪、数据存储与管理等关键技术模块,提出了创新性的解决方案,从而实现对办公区域的全面智能化监控与安全管理。未来,期待CV技术在办公区域智能安全系统中的应用能够进一步拓展,为创造更加安全、高效的工作环境贡献力量。

关键词： 多模态数据融合   人工智能   深度学习   计算机视觉  

摘要： 多模态数据融合技术通过整合不同来源和形式的数据,显著提升了人工智能系统的性能。采用深度学习方法,设计了一种新型多模态融合框架,并在图像识别、语音识别和自然语言处理等任务上进行实验。实验结果表明,该框架在准确率、鲁棒性和计算效率方面均优于传统单模态方法。特别是在处理噪声和不完整数据时,该框架表现出明显优势,在VQA v2.0、Flickr30k和AudioSet等标准数据集上,准确率分别提升了2.3%、1.5%和3.6%。利用16位混合精度训练和动态批处理技术,该框架处理速度提高了31.6%,达到500样本/秒。

关键词： 目标检测   YOLOv8   高效通道注意力   SIoU   GSConv  

摘要： 为降低公路车辆发生火灾事故的风险,减少人员伤亡以及保护公路结构安全,精准并快速检测火灾的发生尤为重要。针对目前公路场景下火灾检测精度不高、检测速度较慢的问题,提出了一种基于改进YOLOv8模型的火灾检测算法。通过重新设计C2f模块,添加了高效通道注意力(Efficient Channel Attention,ECA)机制,提高了检测精度,减轻了车辆尾灯的干扰;使用SIoU(Shape-Aware Intersection over Union)优化原始网络模型的损失函数,提高了边界框的回归性能;在颈部(Neck)模块引入一种轻量化卷积——GSConv(Grouped Spatial Convolution)使模型能够在保证检测精度的同时提高检测速度,增强了模型的实时性效果。实验结果显示,相较于原模型,改进模型在公路车辆火灾检测数据集上,平均精度均值(mean Average Precision,mAP)提高了1.8%,轻量化后的模型参数下降了10%,前传耗时减少了13.6%,拥有更高的检测精度和检测速度,可以满足火灾实时性检测要求。

关键词： 飞行器   多视图几何   计算机视觉   飞行走廊   正交投影   冲突检测  

摘要： 飞行器的航路冲突检测是避免因航路冲突导致飞行器碰撞的有效手段和关键能力。将三维碰撞检测用于飞行冲突判断,提出一种基于多视图几何的飞行器飞行走廊冲突检测方法。通过广播自动相关监视(Automatic Dependent Surveillance-Broadcast, ADS-B)系统获取航路信息,设计构建飞行器飞行走廊模型;基于可能发生冲突区域的局部态势三视图中图形几何关系进行飞行冲突检测。仿真验证结果表明:新方法可以直观、准确地判断飞行器飞行走廊冲突情况,相较于传统的网格化离散采样法在解算冲突情况下效率提升66.35%,在解算不冲突情况下效率提升98.17%,整体效率提升84.38%。

关键词： 风景园林   环境行为   行为性能   数据可视化分析   计算机视觉   儿童游憩场所  

摘要： 【目的】针对儿童人群的行为量化分析是城市公共空间研究的新需求。构建基于定向视觉追踪的多主体行为计算分析方法,可以弥补常规方法难以甄别不同人群类型的问题,揭示儿童、家长与空间的协同交互规律,支撑面向具体人群行为规律的空间优化设计。【方法】以公共空间多主体行为交互规律为研究对象,采用“技术研究—方法构建—实例论证”的研究路径,构建定向目标行人追踪的技术框架,探究针对不同人群交互规律的计算分析与可视化方法,以儿童游憩公共空间为例,验证多主体行为计算分析方法。【结果】通过对中心放射型和线性带状两类儿童游憩空间的比较分析,揭示出多主体行为计算方法的3个关键应用效果:基于人体比例特征的追踪技术可以在公共空间尺度实现目标儿童人群的识别;基于聚集程度、静态使用率、动态使用率的计算分析可以系统解析成人与儿童的交互关系;基于可视化热力图的交叉比较分析可以揭示空间特征对多主体交互行为的干预原理。【结论】多主体行为计算分析方法可为多种人群交互的空间行为研究提供支撑,应用于复杂人群场景的公共空间使用后评估和优化设计。