关键词： 行动导向教学   计算机视觉   教学设计   高职教学  

摘要： 行动导向教学模式是一种以“行动导向驱动”为核心的教学理念与方式,强调学生主体性和教师主导作用,注重培养学生解决问题的能力。该模式通过真实或模拟的工作情境,让学生在完成任务中学习知识与技能。文章结合《计算机视觉》课程,首先分析教学现状,探讨行动导向模式的适用性,进而提出具体教学设计方案,并通过实践案例验证其有效性。研究表明,该模式能显著提升教学效果,为相关课程改革提供参考。

关键词： 多特征   特征融合   无人机   红外图像   目标跟踪   相关滤波器  

摘要： 由于单一特征难以全面反映红外目标的复杂特性,导致跟踪精度受限,传统方法易受环境干扰导致跟踪稳定性差,为此文章提出基于多特征融合技术的无人机红外目标跟踪方法。从无人机上搭载红外传感器捕捉目标的红外图像中提取定向梯度直方图特征和显著性特征,并基于多重集典型相关分析方法融合红外图像目标的定向梯度直方图特征和显著性特征,获取统一的特征矢量,提升特征鉴别能力。然后,将融合的目标特征矢量作为相关滤波模型的输入,通过模型预测出用于表征红外目标跟踪结果的响应图,该响应图的峰值位置即跟踪到的红外目标位置。实验结果表明,所研究方法可以精准实现车辆目标和不同尺度舰船目标的跟踪,且在光照变换、形变、遮挡等不同属性下的红外目标跟踪DIS值均不低于0.75,跟踪性能较好。

关键词： 计算机视觉   opencv   人脸图像比对   教育公平  

摘要： 为了提高高校学生身份核查的效率并保障教育公平,设计了一种基于计算机视觉技术的人脸图像比对系统。采用UML进行系统建模,明确用户需求和功能结构。前端界面使用Vue框架开发,后端采用Python的Flask框架,核心比对算法基于opencv技术。系统通过Web服务集成了人脸检测、比对和身份验证功能。系统在两所高校成功应用,完成了26万学生的人脸身份核查。该系统有效提升了高校学生身份核查的工作效率,对保障教育公平具有重要意义,为高校身份管理提供了一种高效、可靠的技术解决方案。

关键词： 目标跟踪   预测头   分支选择   大小变化   特征融合  

摘要： 针对单目标跟踪中跟踪目标由近到远的大小变化问题,提出一种基于Transformer的单目标跟踪算法。该算法的骨干网络采用MobileNet v2,通过去掉该网络的最后4层来减少模型的复杂度,提升模型的运行速度;在特征融合模块采用注意力机制,实现特征图融合与增强;在检测头模块使用3种样式的检测头来预测边界框,分别为直接回归预测框、关键点回归预测框、mask回归预测框,其中mask回归预测框可提升前两种检测头的预测精度;设计了一种预测头的分支选择模块,用于评估2种预测框的结果,可以在回归预测框前对两种预测头进行评估,使其在跟踪目标进行大小变化时能够输出较为理想的预测结果。训练采用的数据集为GOT-10 k数据集的一部分,能够在OTB数据集上测试时取得较好的跟踪结果,成功率和精确率分别达到了0.681和0.925。实验结果表明:在跟踪目标发生大小变化的情况下,所提算法仍能取得较好的跟踪效果。

关键词： 无人机   输电线路   故障定位   自动巡检   图像处理   应用技术  

摘要： 为了提高配电线路自动巡检能力,构建出一种新型的无人机系统,通过图像识别技术和深度学习算法模型,大大提高了配电线路自动巡检无人机巡检能力,通过在光传感器上加入防抖平台、LVDS传输技术、防干扰双绞线、屏蔽铝板、DDR FCRAM缓存、SLC内存以及图像处理模块。对飞机飞行防抖、抗电磁干扰和优化移动存储三方面改进,提高无人机巡检能力,在巡检中通过在云端布置轻型的神经网络实现作业质量的图像识别与诊断,提高配电线路自动巡检过程中无人机故障诊断能力。仿真结果表明,该研究拟用方法实用性强,多次实验故障定位的准确性均在90%以上。

关键词： 目标检测   学生课堂行为识别   轻量化模型   深度学习  

摘要： 实时、准确地对学生课堂行为进行检测存在许多挑战,教室场景中存在的大量遮挡和教学图像中后排的小目标是阻碍检测精度提高的重要因素。同时,教室中性能受限的摄像头限制了可部署目标检测模型的计算量和参数量。针对以上问题,提出一种基于改进YOLOv8的学生课堂行为检测模型TAR-YOLO。首先,提出一个结构新颖的任务对齐动态检测头(TAPH),其中共享卷积和任务对齐结构的设计增强了模型识别小目标的能力。其次,在特征融合部分引入层次化特征聚合的部分卷积(MSFAP)来改造YOLOv8特征提取模块,并使用重参数化的空洞残差卷积(R-DWR)来增强模型的多尺度特征能力,有效降低了模型的计算量和参数量。最后,构建一个用于检测7种学生课堂行为和3种教师课堂行为的数据集STCB,包含4242张图像和74571个标注。在该数据集上,TAR-YOLO模型的平均精度(mAP50)达到了79.5%,同时参数量和计算量只有7.0 G和1.8 M。为进一步验证模型在其他场景中的小目标检测能力,在PASCAL VOC数据集上进行实验,验证了该方法的泛化性能。

关键词： 水下垃圾   小样本学习   目标检测   二阶段网络   MetaR-CNN   元学习  

摘要： 水下垃圾及其危害已引起全球性的关注,而水下机器人与目标检测技术的发展为水下垃圾的自动化处理带来了可能性。由于水下数据采集成本高、难度大,难以获取充足样本,为深度学习方法进行水下垃圾检测带来困难。因此提出一种适配水下环境的小样本目标检测算法。水下数据前景单一且背景存在大量冗余噪声,为更好保留有效信息,提出聚焦式支持集处理方式,使模型能在保留适当上下文信息的同时更多关注目标本身。为进一步增强模型对支持集的信息提取能力并维持模型的泛化性,引入噪声生成器对聚焦区域添加随机扰动。考虑到支持集与查询集来自同一样本分布,提出联合元损失促使模型学习到该共性,从而丰富支持集提供的信息。此外,制作了类别多样并更贴合实际检测场景的水下垃圾数据集,所提出方法在该数据集上以单样本条件实现16.9%的精度,相较基准模型提高4.5个百分点。同时,在通用数据集PASCALVOC上达到10个百分点以上涨幅,验证了其泛化性。

关键词： 多目标跟踪   扩展目标   算术平均融合   Log-Cholesky距离   PMBM滤波器  

摘要： 在多传感器多扩展目标跟踪过程中,邻近目标由于质心距离过近难以准确分辨,直接采用扩展目标泊松多伯努利混合滤波算法跟踪容易出现目标漏检情况。针对此问题提出了一种改进算法。在多传感器信息融合阶段,基于对数-珂拉斯奇(LC)距离提出了改进的椭圆外形度量方法,该方法不仅能够提供稳定的质心距离度量,还能够捕捉不同扩展目标外形矩阵的微小差异,实现了对不同传感器下同一扩展目标后验密度的有效关联。此外在局部传感器滤波阶段,对邻近区域内丢失目标对应的伯努利分量进行补偿,有效解决了因量测分布紧密被划分到同一子集导致的目标漏检问题。仿真结果表明,改进的算法具有良好的跟踪性能。

关键词： 硅胶   增材制造   图像处理   挤出缺陷   离线优化  

摘要： 针对硅胶挤出增材制造过程中拐角处的过填充和起始处的欠填充缺陷,文章提出一种基于视觉反馈的硅胶挤出缺陷优化方法。首先搭建硅胶挤出增材制造实验平台,利用视觉传感器监测打印过程并获取打印图像;针对实验中的打印线条图像设计相应的图像处理算法,根据该算法得到打印线条的线宽,设计正交试验研究打印线宽与工艺参数之间的影响关系,得到不同打印参数(层厚h、喷嘴移动速度v_(t)、喷嘴挤出速度v_(d))下的打印线条线宽数据,并对线宽数据采用最小二乘法拟合得到线宽数学模型;通过线宽模型分析硅胶挤出过程中喷嘴在拐角和打印起始处的挤出速度变化规律,创建喷嘴的挤出速度变化模型,并利用该模型和线宽模型优化打印模型G代码,使喷嘴的移动速度与挤出速度在拐角和打印起始处保持一定的匹配关系,改善硅胶挤出过程中的过填充和欠填充缺陷。硅胶挤出打印实验结果验证了文章优化方法的有效性。

关键词： 孪生网络   计算机视觉   目标跟踪   优化措施  

摘要： 计算机视觉目标跟踪作为视觉感知系统中的核心任务之一,面临着如何在动态、复杂环境中保持高效、稳定跟踪的挑战。随着深度学习技术的飞速发展,孪生网络在目标跟踪中的应用为解决这些问题带来了新的契机。然而,尽管孪生网络在一定程度上优化了特征提取与匹配过程,但仍然存在诸多局限性。