关键词： 路侧激光雷达   目标识别   目标跟踪   卡尔曼滤波   点云滤波  

摘要： 本文对基于路侧激光雷达的车辆目标跟踪与定位算法展开研究,提出了一种基于卡尔曼滤波的算法流程。首先,基于反光条的路侧激光雷达位姿标定,构建背景点云地图,对路侧激光雷达采集的点云数据进行背景差分滤波,只保留机动车、非机动车、行人等前景点云数据,对前景点云进行基于密度的DBSCAN聚类,将点云划分为点云簇;然后,训练SVM分类器,用提取的点云簇特征对其进行基于SVM的目标分类识别;最后,通过最近邻算法实现目标的帧间关联,用线性卡尔曼滤波对目标物体的轨迹进行预测和更新。在精度评定的部分,利用相对位置误差和绝对轨迹误差对标定结果和算法定位结果进行精度分析。从分析结果可知,本文提出的带有卡尔曼滤波的轨迹估计方法得到的优化后的平滑轨迹更符合车辆的实际运行情况,可以明显提高目标跟踪精度。

关键词： AIGC   大语言模型   OpenCV图像处理与应用   计算机视觉   教学改革   深度学习  

摘要： 自2022年以来,随着以ChatGPT为代表的大语言模型技术的迅猛发展,教育领域成为大语言模型的重要应用场景之一。文章针对当前高职技能人才培养过程中面临的困难与挑战,提出通过AIGC技术从丰富教学手段、更新课程内容、强化实践教学、实现个性化学习等方面助力教学改革。结合OpenCV图像处理与应用课程,文章从课前、课中和课后三个阶段详细描述了AIGC的应用过程,对AIGC赋能高职教育进行了初步探索,为OpenCV图像处理与应用课程的教学提供了新的思路与方法。

关键词： 无人机   目标检测   小目标   多尺度特征融合  

摘要： 在无人机捕获的大尺度图像中,目标检测是一个具有挑战性的问题,尤其是对小目标和尺度变化较大的目标进行检测。为此,提出了一个简单而有效的尺度增强金字塔网络(SEPNet)来解决这些问题。SEPNet由上下文增强模块和特征对齐模块组成。具体来说,上下文增强模块结合了多尺度卷积和多分支分组卷积来建模全局关系,增强了对象特征的表示,防止空间信息丢失的特征流入多尺度特征融合层。特征对齐模块自适应学习像素偏移以保持特征一致性。特征对齐模块旨在调整卷积核中采样点的位置,有效缓解相邻特征融合带来的信息冲突。结果表明,SEPNet在VisDrone数据集上的AP得分为18.9%,比最先进的检测器RetinaNet的AP高5.6%。

关键词： 深度学习   YOLOv8   MHSA   SIoU  

摘要： 无人机图像目标探测在日常生活和军事作战领域发挥着不可或缺的作用,但检测图像大小、距离远近等条件的变化仍然使得该领域的研究具有很大的挑战,故提出一种基于YOLOv8的无人机图像目标检测算法。在原YOLOv8基础上提出检测头替换成Dyhead(Dynamic Head)检测头,引入MHSA注意力机制(Multi-Head Self-Attention),引入SIoU(Smoothed Intersection over Union)损失函数从而对检测密集的目标图像有了很好的效果。在Drone Vehicle数据集和自定义数据集Object上对算法性能进行了训练对比和评估,并设计了详细的消融实验,实验结果表明,改进算法检测精度达到了91.3%同时mAP达到85.7,相比于YOLOv8算法精度提升了8.6%,mAP提升了9%,改进后的算法可以更好地应用在无人机图像检测中。

关键词： 目标检测   学生行为   RFAC3   辅助边框   平均精度  

摘要： 针对学生行为检测算法准确率不高、易出现漏检误检问题,文章提出了一种改进的RI-YOLO学生行为检测算法。该算法通过引入感受野注意力卷积(Receptive-Field Attention Convolution,RFAConv)对C3模块进行优化,提出新型的RFAC3模块,可以更精确地捕捉细微的局部特征,提升网络特征提取能力。此外,采用基于辅助边框的交并比(Intersection over Union,IoU)损失函数Inner-IoU替代传统损失函数,加速模型的收敛速度。在学生课堂行为数据集SCB-Dataset3上验证表明,RI-YOLO平均精度mAP50较YOLOv5提升了1.5%,mAP50:95提升了1.2%,与其他主流检测模型对比,展示出了优异检测效果。

关键词： 图像处理   泄漏区域识别   目标检测   挥发性有机化合物泄漏   红外气体成像仪  

摘要： 为了解决红外气体成像仪在挥发性有机化合物(VOC)泄漏识别中存在的误识别率高、漏检率高、算法执行效率低以及模型泛化能力差等问题,提出了一种基于运动特征增强的VOC泄漏区识别方法。采用视频序列投影变化率统计的方法确定视频稳定性判定阈值,提取稳定状态下运动背景和运动前景;采用优化线性拉伸的方法对运动前景进行特征增强和异常值过滤;将运动前景与原始帧进行图像融合,并利用目标检测算法进行VOC泄漏区域识别;通过模型预训练和迁移学习的方法,以烟雾数据集和少量VOC泄漏数据集进行了识别模型训练,并将模型迁移至RK3588S嵌入式开发板上进行了执行效率测试。结果表明,该算法在交并比为0.5的情况下,平均精度均值为0.88;交并比在0.5~0.95范围内,平均精度均值为0.51,单帧平均识别时间为49 ms,具有较高的识别精度和识别效率,能够满足实时监测需求。本文中的算法能够保持稳定的模型性能且具有一定的抗干扰能力,为VOC泄漏识别提供了一定的参考。

关键词： 弱小目标检测   水下声呐图像   全局信息聚合   共焦通道调控池化  

摘要： 声呐图像视觉检测是复杂水域资源勘探和水下异物目标探测领域的重要技术之一。针对声呐图像中小目标存在的特征微弱和背景信息干扰问题,本文提出弱特征共焦通道调控水下声呐目标检测算法。为了提高模型对弱小目标的信息捕获和表征能力,设计弱小目标特征激活策略,并引入先验框尺度校准机制匹配底层语义特征检测分支,以提高小目标检测精度。应用全局信息聚合模块深入挖掘弱小目标的全局特征,避免冗余信息覆盖小目标微弱关键特征。为解决传统空间金字塔池化易忽视通道信息的问题,提出共焦通道调控池化模块,保留有效通道域小目标信息并克服复杂背景信息干扰。实验结果表明,本文所提模型在水下声呐数据集的9类弱小目标识别的平均检测精度达83.3%,相较基准提高了5.5%,其中铁桶、人体模型和立方体检测精度得到显著提高,分别提高24%、8.6%和7.3%,有效改善水下复杂环境中弱小目标漏检和误检问题。

关键词： 察打一体   无人机   情报收集   通信中继   空中力量   目标跟踪   军事行动   新型作战力量  

摘要： 随着战争形态不断演进,无人机成为战场上不可或缺的新型作战力量。从近年来的几场局部战争看,无人机在执行情报收集、战场态势感知、目标跟踪和打击等军事行动中扮演着重要角色。当前,无人机正向着察打一体、隐身突防、通信中继等功能拓展,带动现代战争呈现新景观。作为新兴空中力量,随着更多新技术应用,无人机将迎来新一轮发展期,在战场上的地位更加突出,能力也更加全面。

关键词： 铝熔体   氧化铝   润湿性   座滴法   悬滴法   图像处理  

摘要： 高温下熔体的润湿性对焊接工艺的改进具有重要研究意义,良好的润湿性能够提高焊缝质量,减少焊接缺陷,从而降低制造成本,提高生产效率。本研究搭建了一个低成本的由管式炉、相机、光源、真空泵和计算机构成的实验平台,利用座滴法和悬滴法开展了真空环境中不同温度条件下熔体Al在Al_(2)O_(3)基板上的润湿性实验,获得了边缘轮廓清晰、对比度明显的高质量图像,并采用开发的润湿性参数测量程序,计算了接触角、表面张力、热膨胀系数、铺展速度等参数。结果表明,润湿性参数的测量具有较高精度,温度升高能够促进熔体Al在Al_(2)O_(3)基板上的润湿,表现为接触角明显减小,铺展半径明显增大。

关键词： 特征提取   小目标检测   海杂波   多特征联合  

摘要： 传统单一特征检测方法的检测性能较差,通过多特征联合检测方法可以有效提高检测性能。采用多特征联合检测方法在提高性能之外,也会造成计算量增加以及信息冗余。对此提出了一种基于线性判别分析的海上目标检测方法,将单一特征映射到二维特征空间中,形成两组特征组合,RDPH-RVE特征组合和RPHTEM特征组合,并在二维特征组合基础上进行降维处理。通过将单一特征映射到二维空间中,降低海杂波与目标重叠区域,再通过线性判别分析方法,将雷达回波数据在区分性更好的方向进行投影,在保留信息的同时减少了计算量。