关键词： 冰壶   目标检测   目标追踪   轨迹特征  

摘要： 冰壶运动轨迹捕捉可以数字化还原比赛过程中冰壶的运动曲线,不仅有利于观众更好了解比赛情况,还可以帮助运动员对当前局势做出判断。运动员与冰壶之间的交互会导致冰壶频繁地被刷子或者运动员身体遮挡,所以从视频序列中直接对移动的冰壶进行追踪是非常困难的。论文针对冰壶比赛场景,通过优化深度学习中的目标检测算法,使用结合冰壶运动特征以及外表特征的多目标追踪方法实现了对冰壶目标的捕捉,坐标的快速校准以及冰壶运动轨迹的合成。论文还提供了一个实际冰壶比赛场景下的标注数据集,弥补了冰壶目标检测与追踪的大型数据集的欠缺。在真实冰壶场景数据集上,与现有的冰壶目标检测与追踪算法相比,实验结果证明,所提方法能够高效完成冰壶追踪任务并且具有很高的准确率。

关键词： 刑事侦查   指纹提取   指纹识别   指纹比对   图像处理  

摘要： 指纹提取与识别在案件侦破中具有极其重要的作用,然而,指纹的提取与比对工作往往时间紧,任务重,耗费大量的警力。为此,文章提出了一种基于形态学处理的指纹提取与识别方法。该方法实现了在同一图像中对多个指纹的定位、裁剪、提取和存储,并能利用SURF特征对指纹进行比对和识别,可有效减少工作量、节省警力,对后续的实践和研究具有一定的指导意义。

关键词： 目标检测   自注意力机制   特征金字塔   空洞卷积   可变形卷积  

摘要： 针对现有的无锚框目标检测算法难以在密集场景下有效提取多尺度目标特征的问题,本研究提出基于多尺度特征提取的密集型小目标检测网络(Intensive small target detection network based on Multi-Scale feature Extraction, IMSE)。本研究首先提出多尺度特征增强(Multi-scale Feature Enhancement, MFE)模块,其包括窗口注意力(Window Attention, WA)模块和多尺度信息融合(Multi-scale Information Fusion, MIF)模块,通过建立全局级别的上下文联系从而增强IMSE在密集场景下的特征表达,进而能够更有效地提取检测目标的多尺度特征;其次提出可变形卷积特征金字塔网络(Deformable Convolutional Feature Pyramid Networks, DCFPN)结构,引入空洞卷积进行特征增强,从而能够有效提高IMSE检测形状不规则、分布无规律物体的能力;最后将融合后的多尺度特征分别输入检测头进行分类与边界框的回归任务。IMSE在公共数据集MS COCO、CARPK与基于实际生产场景构建的WOOD数据集上进行验证,实验结果表明,IMSE在3个数据集上的平均精度(Average Precision, AP)分别达到了49.4%、75.8%和55.0%,分别比原始FCOS方法高出1.8%、1.4%和2.1%,验证了所提出模型的有效性。

关键词： 环形垃圾分拣系统   计算机视觉   机械臂控制   编码器   实验验证   分拣效率  

摘要： 文章提出了一种基于机器视觉的环形垃圾分拣系统,旨在解决传统垃圾分拣系统存在的堆积、分拣缺漏等问题。通过实验验证了该设计的可行性和有效性,为未来垃圾处理技术的发展提供了新的思路和参考。该系统结合计算机视觉、机械臂控制和编码器技术,通过精确控制机械臂和机械爪进行垃圾抓取,实现了高效、准确的垃圾分拣。实验结果表明,该系统在不同垃圾类型上的分拣率较高,具有较高的稳定性和可靠性。环形传送平台的设计提高了容错率和适应性,减少了系统工作压力。

关键词： 行人检测   多尺度   损失函数  

摘要： 针对现有行人目标检测技术在多尺度目标识别方面的局限,特别是对小目标检测效果欠佳的问题,提出基于改进损失函数的行人目标检测模型,该模型将损失函数进行改进替换,能更好地挖掘正负样本信息。在MS-COCO数据集上进行实验,AP、AP_(s)、AP_(m)、l AP分别达到43.5%、26.1%、46.7%和54.0%,相较于原始模型各提升1.4%、2.0%、1.2%以及1.2%。随后将CenterNet-G模型应用于行人检测数据集CrowdHuman,AP和AP_(75)分别达到82.3%与62.6%。实验结果表明,改进后的模型对多尺度目标尤其是小目标有着良好的检测效果,在行人检测领域取得出色效果,为解决行人检测中的尺度多样性问题提供了新策略。

关键词： 目标检测   卷积神经网络   故障检测   变电站电力系统设备  

摘要： 随着用电需求日益增加,电力系统设备变得更加庞大且复杂,导致传统人工巡检方式受到挑战。针对这一现象,本文旨在研究如何通过目标检测技术有效监测电力设备运行状态,特别是漏油问题。为此,本文采用性能稳定的YOLOv5卷积神经网络作为基础,通过减少检测头数量和一次特征金字塔下采样,有效降低了模型的计算复杂度和资源消耗。研究结果表明,与原始YOLOv5网络相比,改进后的模型在保证监测性能的同时,显著减少了模型推理时间、模型参数量和模型大小。这一轻量化改进为电力设备的安全稳定运行提供了有效的技术保障,也为未来电力设备故障检测技术的发展提供了新的思路。

关键词： 水下图像增强   深度学习   图像处理   色彩校正  

摘要： 为解决水下图像常见的色彩偏差和低对比度等问题,提出了一种基于轻量级非线性无激活网络的水下图像增强方法。该方法的核心主要由多个非线性无激活模块级联构成,摒弃传统激活函数,旨在实现更高效的信息传递和特征提取。此外,集成的层注意力机制能够识别并利用跨层特征间的依赖性,动态分配特征权重,强化关键特征。试验结果显示,在LSUI(Large Scale Underwater Image)数据集上,该模型与FUnIE-GAN及Shallow-UWnet相比,在SSIM指标上分别实现了8.17%和4.13%的提升,使得增强后的图像在颜色准确性、细节保留等方面取得显著改善;同时,模型的参数量分别降低98%和50%,显著提高了在设备性能受限环境下应用的可行性。研究表明,该方法不仅有效校正了水下图像的色彩偏差等问题,其轻量级特性还极为适合部署于低配硬件上,为水下成像技术的实际应用提供支撑。

关键词： 计算机视觉   绝缘升降车   位置跟踪   图像处理   模型   透视变换  

摘要： 为提升绝缘升降车位置跟踪效果,提出一种基于计算机视觉的绝缘升降车位置跟踪方法。分析物体特征点与图像特征点坐标系之间的关系,制作标定板完成照片的导入,求取摄像机参数完成标定。建立基于计算机视觉的图像处理模型,利用图像灰度变换函数提升图像质量,根据幂律曲线图像得到合适的伽马值,在透视变换过程中调整图像中的空间关系;使用CamShift跟踪方法利用颜色概率直方图作为跟踪标准,调整窗口值实现绝缘升降车位置跟踪。测试结果证明:所提方法跟踪评价指标IoU和稳像效果指标均较优,在实际应用中的可靠性较强。

关键词： 输电线路   目标检测   深度学习   在线化监测系统  

摘要： 为研究梁塬地形矿区高压架空输电线路监测技术,对比人工巡检存在效率低、任务量大、不能在线化监测及无人机巡检技术中存在操作难度大、危险系数高等问题。提出了基于多元数据融合的在线监测方法,对梁塬地形高压架空输电线路进行在线化监测实验。结果表明:采用多类传感器可实现对输电线路中杆塔倾斜、导线覆冰、微气象等参数实时监测;将可视化AI监拍装置与深度学习结合可实现对输电线路周围外破、山火、鸟害等进行实时检测;最终建设梁塬地形高压架空输电线路智能监控预警系统,解决了梁塬地形高压架空输电线路监测效率低、难度大等问题,满足了高压架空输电线路监测需求。

关键词： 图像处理   超像素   网格描述符   图像能量   拷贝检测  

摘要： 传统的图像分割方法对图像进行非重叠分块,图像哈希算法只能对图像块内部像素进行特征提取,而简单线性迭代聚类超像素分割算法能在聚合相似像素的同时额外提取形状特征,故在此基础上提出一种结合自适应网格描述符和图像能量的图像哈希算法。首先,使用双线性插值和高斯低通滤波对输入图像进行预处理,并通过简单线性迭代聚类对预处理图像进行超像素分割,对分割得到的超像素区域应用自适应网格描述符提取形状特征;同时利用超像素内部的像素具有相似亮度的特性,以亮度为计算对象求出各超像素的能量值作为图像的能量特征。最后,连接形状特征序列和能量特征序列,再利用密钥加密得到最终哈希序列。实验表明算法在鲁棒性和区别性之间达到了较好的平衡。算法的哈希运算时间为0.128 s,哈希长度为467 bits,具有较快的运算速度且哈希序列较为紧凑。分类性能方面,假阳性率为0时,真阳性率达到0.9999。拷贝检测方面,查全率和查准率均在95%以上。此外,与一些同类型算法相比,提出的算法在分类性能和拷贝检测方面也更具优势。