关键词： 人脸识别   人脸跟踪   复杂场景   YOLOv8   DeepSort   GIoU  

摘要： 为解决在复杂场景下传统算法对人脸的识别和跟踪精度低的问题,文中提出一种面向复杂场景的人脸识别与目标跟踪算法FaceNet。该算法由人脸识别与人脸跟踪两部分组成。在人脸识别方面,基于YOLOv8提出一种改进的人脸识别算法FaceD-YOLOv8,提高了识别准确率。再以DeepSort为基础,提出一种改进人脸跟踪算法FaceT-DeepSort,实现对人脸目标连续准确的跟踪。在公开数据集上进行的对比实验结果表明,与主流的传统方法相比,所提FaceD-YOLOv8算法人脸识别的mAP值提高3.5%,FaceT-DeepSort算法的人脸目标跟踪精度(TP)值提高9.1%。证明所提方法具有良好的综合性能,能够满足工程应用的需要。

关键词： 机器学习   深度学习   无人船   目标检测  

摘要： 随着数字技术的积累,智能无人设备不断实现跨越,作为无人系统一大分支的无人船将会是未来船舶发展的趋势。基于无人船视觉的障碍物检测技术是无人船实现自主航行的核心技术之一,通过无人船视觉检测技术的应用,无人船可以实时监测和识别周围的目标,当发生紧急情况时可以采取适当的行动,确保航行安全。为了促进无人船视觉检测技术的发展,论文对近年来无人船视觉领域相关研究进行阐述,总结了针对无人船视觉领域检测算法的改进策略和技术细节。针对无人船视觉领域检测过程中所面临难点和问题分析其主要原因,并且提出了解决方案。最后对未来无人船视觉领域的下一步研究进行展望。

关键词： 分心驾驶   YOLOv8n   目标检测   深度学习  

摘要： 分心驾驶行为是导致出现道路交通安全问题的主要原因之一。针对现有基于深度学习的检测算法计算复杂度高、泛化能力有限、检测精度不理想等问题,本文构建了一种基于改进YOLOv8n的轻量化分心驾驶行为检测算法。首先,将CAA注意力机制融合进StarNet,形成StarNet-CAA,并且将StarNet-CAA集成到YOLOv8n的主干网络中,提高了模型的全局特征提取能力,显著降低了计算复杂度。随后,将FasterBlock与CGLU相结合加入到颈部网络中,形成C2f-Faster-CGLU模块,降低计算成本。此外,在检测头中引入共享卷积,进一步减少了计算量和参数量。实验结果表明,改进的YOLOv8n算法显著提高了分心驾驶行为检测的效率,在StateFarm数据集上达到了99.4%的准确率。模型的参数量减少46.7%,计算量减少41.5%。此外,在100-Driver数据集上进行了泛化实验,结果表明,与YOLOv8n相比,该方案的泛化效果有所提高。因此,该算法在保持高可靠性和泛化能力的同时,显著降低了计算量。

关键词： 带钢   缺陷检测   空间注意力   通道注意力   特征融合  

摘要： 钢材表面缺陷检测在工业产品质量控制中越来越重要。由于钢材表面缺陷具有复杂背景、缺陷种类多样、尺度不一等特点,精确、高效地检测带钢表面缺陷仍然是一项极具挑战性的任务。针对这些问题,提出了一种基于通道和空间注意力的带钢表面缺陷显著性目标检测模型。首先,基于Transformer提取带钢图像的多尺度特征,以捕获目标图像的长距离依赖关系;接着,将获取的多尺度特征图送入所设计的两种不同的注意力模块(通道注意力模块和空间注意力模块),以强调带钢表面缺陷特征而抑制不相关的背景特征,从而加强对缺陷目标和背景的区分能力;最后,采用多尺度渐进融合模块融合多尺度特征图,以便不同尺度的特征信息能够进行互补,获取具有丰富语义信息的特征图,使模型能够更高效且精确地检测出带钢表面缺陷。大量实验结果表明,该模型在显著目标检测任务中具有显著的优势,表现出更高的准确性和更强的鲁棒性。

关键词： 图像识别   图像处理   特征提取   系统选型   参数设定  

摘要： 煤矿井下刮板输送机链条断裂多发于使用初期磨合和后期疲劳阶段,主要由设备刮卡、链条磨损及变形引起。现有基于霍尔传感器和电感类接近开关的监测手段在复杂矿井环境下效果有限,尤其是在预测链条临近断裂状态方面。因此提出了采用图像识别技术的刮板链故障检测方法,详细介绍了该技术的基本原理与实际应用,旨在提高刮板链组件故障的识别精度和预警能力。

关键词： 疵棉异纤   YOLOv8   注意力机制   轻量化   目标检测  

摘要： 为解决疵棉小目标异纤检测难度高、检测实时性差等问题,本文提出一种基于轻量化YOLOv8的疵棉异纤检测算法(YOLOv8-MMW)。首先,引入MobileNetV3轻量级网络替换原骨干网络,以降低参数数量和计算复杂度,提高网络算法检测的实时性;其次,在骨干网络中加入多维协作注意力机制(MCA),增强多维特征交互能力,使模型关注疵棉小目标异纤;最后,引入动态非单调聚焦机制WIoUv3,以提高模型收敛速度和精度,提升对小目标异纤的定位能力。结果表明,改进后的YOLOv8-MMW模型精确度和平均精度均值分别为95.5%和95.8%,与原始基线模型YOLOv8相比,精确度和平均精度均值分别提升了0.9%和0.1%,模型权重减少了56.7%,帧率达到367.8帧/s。改进后的模型可以更快速、准确地识别出疵棉小目标异纤,为疵棉智能化分拣提供技术支撑。

关键词： 无人机图像   车辆检测   小目标检测   可变形卷积   损失函数   非极大值抑制  

摘要： 在无人机航拍图像中,车辆目标较小,尺度变化大,背景复杂且分布密集,导致精度过低的问题。因此,提出一种基于改进的YOLOv5的无人机航拍图像车辆目标检测算法。增加小目标检测层,减少小目标特征丢失,从而提高小目标检测精度;设计了一个名为DAC的新特征提取模块,它融合了标准卷积、可变形卷积和通道空间注意力机制,旨在增强模型对车辆尺度变化的感知能力,并让模型聚焦于复杂背景下的车辆目标;将损失函数更改为Focal-EIoU,以加速模型收敛速度,同时提高小目标车辆的检测精度。使用Soft-NMS代替YOLOv5中采用的非极大值抑制,从而改善目标密集场景下的漏检和误检情况。在VisDrone2019数据集上进行了消融实验、对比实验和结果可视化。改进后的模型平均精度(mAP)比基线模型提高了8.4%,参数量和GFLOPs仅增加了4.8%和3.79%,验证了改进策略的有效性和优越性。

关键词： 目标跟踪   核相关滤波器   卡尔曼滤波器   遮挡  

摘要： 针对遮挡情况目标跟踪经常产生漂移的问题,提出一种基于核相关滤波和卡尔曼滤波的目标跟踪算法。算法使用核相关滤波响应的峰值旁瓣比,判断遮挡。无遮挡时,以核相关滤波器为主跟踪器,获取目标位置,并修正卡尔曼滤波器;有遮挡时,将卡尔曼滤波器设置为主跟踪器,估计目标位置,保持核相关滤波模型。实验从跟踪速度、精度、成功率等角度与其它算法比较,结果表明该算法在遮挡情况下,有效改善跟踪效果,具有很强的鲁棒性。

关键词： 逆透视变换   目标检测   高速公路   车辆监控  

摘要： 本文对基于逆透视变换和目标检测技术的高速公路车辆坐标系转换方法进行了分析探讨,介绍了逆透视变换的原理及其在图像处理中的应用,阐述了目标检测技术的发展及其在车辆检测中的应用,描述了如何通过逆透视变换和目标检测技术实现高速公路车辆的坐标系转换,并通过实验验证了所提方法的有效性。

关键词： RGBT目标跟踪   Transformer   交叉注意力  

摘要： 论文针对传统基于卷积神经网络目标跟踪无法有效利用上下文信息融合多模态注意力的问题,提出基于双分支交叉自注意力机制的RGBT(RGB-Thermal,红外可见光联合)目标跟踪方法。所提模型引入基于双分支Transformer模块分别编码红外及可见光目标,在双分支并行编码基础上利用交叉注意力机制将两个分支的注意力进行对齐,从而提高了目标跟踪的准确性和稳定性。通过三个数据集的大量实验可验证所提方法的优越性。