关键词： 动物行为   行为识别   图像处理   机器视觉  

摘要： 动物行为识别旨在理解动物的行为,并对每种行为贴上类别标签,具有广泛的应用前景。近年来,动物行为识别在计算机视觉领域受到了越来越多地关注。动物行为识别技术的发展经历了从传统的基于手工特征的方法向基于深度学习的方法演变。本文根据动物行为识别技术发展的基本脉络,综述了传统方法和深度学习方法中的主要流派和技术手段,概述了各种技术手段优缺点及其在动物行为研究中的应用情况。

关键词： 3D目标检测   MV3D   模型改进   深度补全   混合融合   DETR  

摘要： 针对3D目标检测精度低、在复杂工况下检测效果差的问题,利用图像和点云数据作为输入,引入深度补全增加点云前视图特征,并对MV3D目标检测模型进行改进,提出混合融合方式,将全局信息较多的图片特征拼接到融合完成后的点云特征中,最后再进行融合。文中所提出的混合融合方案兼顾了深度融合的特征又增加了全局的特征信息,利用DETR模块对原模型的非极大值抑制操作进行优化,使得模型轻量化。最后在KITTI数据集上对文中模型进行了实验分析,结果表明,所提出的模型可以实现复杂工况下的3D目标检测,且在精度上与原模型相比,在三种不同检测难度的工况下平均提升了7.19%。

关键词： 深度学习   目标检测   字符识别   预测点   灰度预处理  

摘要： 基于神经网络的车牌识别模型占用存储空间较大,这不利于边缘计算设备的部署,并且对倾斜类车牌和混合颜色车牌的识别率偏低。为了解决这些问题,提出了一种识别倾斜、混合颜色车牌的轻量级神经网络组合模型。首先采用基于YOLO算法的改进算法P-YOLO,实现车牌的检测、分类和定位;随后,使用基于神经网络的车牌识别(LPRNet)算法的改进算法N-G-LPRNet进行车牌字符识别,并用不同算法在中国城市停车数据集上进行了测试。结果表明,在车牌检测阶段,P-YOLO算法下倾斜类车牌的mAP指标显著提高;结合字符识别网络,对常规车牌、微倾斜车牌和强倾斜车牌的识别准确率分别提高了约1.3%、70.7%和63.8%;在字符识别阶段,在混合颜色车牌训练的前提下,用N-G-LPRNet算法对蓝色车牌和绿色车牌的识别率分别提升了约40.65%和32.26%;用P-YOLO-N-G-LPRNet组合算法的综合识别率达到了98.16%,比YOLO-LPRNet算法的性能提高了41.33%。使用组合算法进行车牌识别所占用的空间约为5 MB,在识别率、鲁棒性和轻量化方面的优势明显,适合部署在边缘设备上。

关键词： 遥感影像   小目标检测   空洞卷积   空间注意力机制  

摘要： 针对遥感影像小目标检测时存在的精度较低,鲁棒性较差等问题,设计了一种深度学习检测模型。模型的骨干网络以CSPDarknet53为基础,将原始网络内的卷积核替换为空洞卷积核来增大感受野,同时通过引入空间注意力机制来提高模型对小尺寸正样本特征的学习权重;为提高送入检测端的特征图内信息丰富程度,采用多尺度聚合网络汇聚多个感受野下的特征信息,然后结合上/下尺寸采样与同尺寸特征图拼接输出3个尺寸的特征图参与检测。实验结果表明,本文提出模型在测试数据集上的检测精度明显高于同类对比模型,并且面对多种复杂场景具有很好的鲁棒性,在测试环境下能够实现对目标的实时检测。

关键词： 铁路调度监控视频   异物检测   雾霾天气   目标检测   图像恢复   数据增强  

摘要： 为实现在雾霾天气下铁路调度视频图像的智能化分析预警,针对性地提出一种铁路视频异物检测方法。首先针对部分视频中存在的雾霾退化问题,引入基于深度网络的恢复模型,可得到清晰视频,用于进一步检测;其次引入YOLOv5目标检测模型,针对铁路场景进行重新训练,并采用冻结训练和串联模型策略,使模型在具有异物检测能力的情况下,保留对常规目标的检测能力;最后针对铁路视频真实数据中缺乏异物的问题,采用数据增强技术,加强铁路视频识别异物的能力。试验结果表明:该检测方法显著提升了在雾霾条件下的铁路视频异物检测效果,有助于提高人员闯入、异物入侵等安全隐患的实时识别能力。

关键词： 3D目标检测   多模态融合   可变形注意力机制  

摘要： 3D目标检测是自动驾驶技术的基础,融合激光点云和图像等模态的信息可以有效地提高目标检测的准确性和鲁棒性。文章改进了现有融合激光点云和图像等模态信息的3D目标检测网络,提出了一种新的并行融合模块,用于同时维护两种模态下的特征信息,减少信息损失。此外,利用掩码特征增强模块,提高受遮挡物体的检测能力。在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上进行了验证,实验结果表明,相比于基准网络,该方法有效提高了3D目标检测的性能,平均精度达到了77.41%,同时优于目前大多数的先进方法。

关键词： 颗粒饲料   尺寸检测仪   振动整流   图像处理   仿真优化  

摘要： 针对颗粒饲料尺寸检测操作繁琐,自动化水平低的实际问题,为了实现颗粒饲料尺寸的自动测量,设计了基于图像处理技术的振动整流式颗粒饲料尺寸检测仪。利用离散元软件Rocky Dem建立颗粒饲料-槽型整流板相互作用的仿真模型,以槽型整流板的振幅、振动频率、安装倾角和滑槽转向系数为试验因素,颗粒饲料滑移均速和滑移速度变异系数为评价指标,通过单因素仿真试验,分析颗粒饲料在槽型整流板滑槽内的滑移运动特性,结果表明,影响颗粒饲料滑移运动特性的主要因素为振幅、振动频率及安装倾角。采用正交组合仿真试验,建立各试验因素与评价指标间的数学模型,并对模型进行参数优化,当槽型整流板安装倾角为6.33°、振动频率为101.49 Hz、振幅为0.50 mm时,颗粒饲料的滑移均速和滑移速度变异系数综合最优,分别为0.31 m/s和4.10%。分别采集环模孔径为3、4、5 mm的颗粒饲料,对检测仪的测量精度进行验证,通过与人工测量相比较,检测仪对颗粒饲料直径自动测量结果平均绝对误差分别为0.048、0.020、0.012 mm;颗粒饲料长度自动测量结果平均绝对误差分别为0.164、0.162、0.103 mm。研究结果表明,所设计的颗粒饲料尺寸检测仪具有良好的准确性和可靠性,满足实际生产检测需求。

关键词： 计算机视觉   建筑结构变形   监测预警   模型优化   防灾减灾  

摘要： 在现代建筑工程中,建筑物的健康状况监测与安全预警是辅助防灾减灾的重要环节。本研究就此基于计算机视觉的理论和方法,开展了建筑结构变形的监测与预警研究。首先,根据计算机视觉技术,建立了建筑物形变的模型,并针对性地优化了传统的检测算法,提高了检测精度。在此基础上,研究并设计了一种建筑物结构变形的实时监控系统,结合信息传递技术,实现了建筑物结构变形的实时监控,并能预测其隐患发展的趋势。研究结果显示,该系统在检测准确度和安全预警能力上能够满足大型建筑工程的实际需求。通过对不同类型和规模的现代建筑工程结构实际应用中,该系统表现出良好的稳定性和可行性。此项研究不但创新了传统的建筑物监测模型与预警体系,而且在建筑安全、防灾减灾等应用领域具有重要的理论意义和实用价值。

关键词： 金属软管   断丝检测   图像处理   阈值分割   形态学处理   参数测量  

摘要： 针对现有的金属软管网套钢丝断丝破坏检测过程中的人工检测时肉眼难以识别、长时间工作注意力下降影响检测效率与准确度等问题,设计一种基于Halcon的金属软管外网套断丝缺陷检测系统。确定图像的光照方式,利用相机拍摄到有利于分析处理的图像效果;在Halcon中首先对图像进行预处理,然后对图像进行阈值分割并提取出表面断丝缺陷,将破损部位的形状转化为规则形状便于测量,最后对破损位置的尺寸以及软管尺寸进行测量并将数值显示在图框中。实验结果表明:该方法能够清晰地检测出金属软管的破损位置并进行尺寸测量,通过对5种直径不同且缺陷位置与大小均不同的金属软管断丝缺陷部分进行测量可知,采用该方法进行测量时所产生的最大误差为0.22 mm,优于断丝检测精度(0.5 mm),符合检测需求。

关键词： 水下目标检测   声呐图像   小目标检测   高效多级筛选   任务动态对齐   轻量化  

摘要： 针对声呐图像中小目标检测难度大、精度低、容易出现错检漏检的问题,本文提出一种基于YOLOv8s的声呐图像小目标检测改进算法。首先,考虑到声呐图像中的小目标通常具有低对比度且易被噪声淹没,提出了高效多级筛选特征金字塔网络(EMS-FPN)。其次,由于解耦头的分类分支和定位分支是独立的,会增加模型的参数量,同时难以有效地适应不同尺度目标的检测需求,导致对于小目标的检测效果不佳,设计了任务动态对齐检测头模块(TDADH)。最后为了验证本文模型的有效性,在URPC2021和SCTD扩充声呐数据集上进行了相应的验证,mAP0.5较YOLOv8s分别提高了0.3%和1.8%,参数量降低了22.5%。结果表明,本文提出的方法在声呐图像目标检测任务中不仅提高了精度,还显著降低了模型参数量。