关键词： 火焰检测   B/S架构   计算机视觉   运动信息   监控系统  

摘要： 在化工厂这类高风险地区,火灾安全始终备受关注。尽管烟雾及火焰报警器已被广泛应用,但仍然存在只用于单点检测以及易受环境影响等问题。针对此类问题,设计并实现了一种基于B/S架构的化工厂区多路火焰智能视频监控系统,并以Web系统的形式呈现。首先,系统中集成了一种改进的YOLOv5火焰检测算法,该算法用Ghost卷积替换常规卷积以实现网络的轻量化;其次,添加改进的注意力机制模块和小目标检测锚框来增强小目标检测能力;最后,将由光流网络提取的火焰运动信息与原始火焰数据进行融合送入改进的YOLOv5火焰检测算法中,进一步提高对火焰的检测精度。大量的现场测试表明,该系统能够实时识别和定位厂区内火焰,检测帧率可达15ms/帧,检出率达到100%,具有较高的稳定性,可为化工行业提供一种高效、可靠的火灾监测解决方案。

关键词： 深度学习   特征网络优化器   检测跟踪识别一体化   重新捕获  

摘要： 目标跟踪作为图像处理领域的重要组成部分,广泛应用于智能视频监控、军事侦察等领域。但在面对物体形变以及遮挡等复杂应用场景时,相关滤波算法由于缺乏目标和背景判别区分以及遮挡状态判断等策略,存在跟错目标、缓慢漂移到背景等现象,在遮挡后目标重新出现时,缺乏重检测机制,这些问题导致了跟踪性能在实际工程中大幅下降。针对以上问题进行改进设计,首先在跟踪过程中,使用网络优化器更新多层深度特征提取网络,优化损失函数提高目标与背景的判别能力;其次,采用多重检测抗遮挡优化机制,确定跟踪器状态更新机制;最后,基于深度学习进行检测跟踪识别一体化设计,实现跟踪前典型目标的自动捕获,目标受遮挡后重新出现时实现对典型目标的重新捕获定位。在实验分析中,分别从跟踪精度、可视化定量损失以及算法速度等方面进行了性能验证。实测数据显示,本文采用的方法在以上方面性能表现良好,优于改进前的ECO(efficientconvolution operators for tracking)算法。

关键词： 交通工程   安防   自动化码头   目标检测   轻量化   注意力机制  

摘要： 为提高算法在异常天气、背景干扰与数据噪声等因素影响下,对港区集装箱堆场作业人员与车辆的检测精度,以及降低模型参数,满足实时检测需求,提出1种基于改进YOLOv5的面向自动化码头集装箱堆场作业人员与车辆的实时检测算法C3Rep-YOLO。该算法在特征提取网络中使用基于MetaFormer通用体系结构的轻量级ViT代替原来的CSPDarknet53网络,可提高算法的检测速度。在颈部网络中采用改进的RepGFPN结构代替原始的PAN结构,以提升特征融合效果与模型表征能力。由于在码头场景的实际检测过程中会不可避免地混入数据噪声,嵌入CAFM模块,以提高算法的全局特征捕获能力与去噪能力。研究结果表明:改进后的算法将检测速度提高了37.5%,mAP提高了4.8百分点,达到74.8%,可实现识别速度与精度的平衡。研究结果可为港区自动化安防与智慧港口建设提供理论基础和技术参考。

关键词： PCA技术   变电站   无人机巡检   图像目标检测  

摘要： 受变电站数量与规模持续扩大的影响,传统巡检方法中的红外图像采集过程中会受到光照变化、噪声或者其他干扰因素的影响,导致检测效果存在不同程度的识别偏差,造成整体检测效率与安全性明显下降。为提高巡检效率和准确性,基于PCA技术,提出变电站多旋翼无人机巡检红外图像目标检测方法。在确定的变电站多旋翼无人机巡检覆盖范围内采集巡检红外图像,并将采集图像的像素信息转换为像素矩阵,并计算目标巡检图像特征中脉冲幅值和波形包络面积UI信号功率,结合像素筛选法获取精确的目标边缘。在此基础上,通过调整PCA参量,实现变电站多旋翼无人机巡检红外图像目标检测。实验结果表明,所提方法的识别率最高为98.5%,准确率最高为96%。说明所提方法能够满足设计预期效果,有效提高目标检测精度,提升检测效率与安全性,整体可靠性良好,具有较高的推广价值。

关键词： 距离走动   速度模糊   二阶Keystone变换   TRFR  

摘要： 为了解决信号长时间积累带来的距离走动与多普勒走动问题,提出了一种将Radon变换、二阶Keystone变换和TRFR变换相结合的新方法.首先通过Radon变换搜索模糊数,对信号进行二阶Keystone变换消除距离弯曲,然后通过TRFR变换来消除由加速度引起的耦合相位并对距离走动进行完全的修正;最后通过二维逆傅里叶变换完成对信号的相参积累.本方法避免了对速度的直接搜索,减少了算法的时间复杂度,提高了参数估计的准确度,并且在-22 dB的噪声下仍可以检测出信号.通过实验,验证了算法的可行性.

关键词： 红外小目标检测   非凸低秩塔克分解   非凸秩接近范数   对称高斯-赛德尔的交替方向乘子法  

摘要： 低秩稀疏分解方法因其好的检测性能在红外小目标检测领域受到广泛关注。然而,现有低秩稀疏分解方法在复杂场景中仍然面临检测性能不高、检测速度较慢等问题。虽然现有的低秩塔克分解方法在复杂场景下取得了令人满意的检测性能,但其需依赖经验预先定义秩:若秩估计过大或过小,会导致漏检或虚警。而且,不同场景中秩的大小不一样,限制了实际应用。为了解决这一问题,本文采用非凸秩接近范数约束低秩塔克分解的潜在因子,无需手动设置秩,从而显著提升了算法在不同场景中的鲁棒性。进一步地,设计了基于对称高斯-赛德尔的交替方向乘子法(symmetric GaussSeidel based alternating direction method of multipliers algorithm,sGSADMM)来求解所提模型。与现有基于交替方向乘子法相比,sGSADMM算法通过利用更多结构信息,实现了更高的求解精度。大量实验表明,所提方法在检测性能和背景抑制等方面均优于现有的先进算法。

关键词： 桥梁检测   裂缝识别   图像处理   连通域   最大内切圆  

摘要： 针对桥梁裂缝识别算法精度不高、应用效果不佳的问题,该文以桥梁表观高精度图像为研究对象,提出一种基于图像连通域特征与最大内切圆计算原理的裂缝识别算法(CIACM)。首先,采用灰度化、匀光滤波和边缘检测等传统图像处理算法将裂缝边缘特征显现;随后,基于连通域特征与最大内切圆计算原理进行裂缝识别,并筛选裂缝最大宽度处。试验结果表明:该算法计算绝对误差不超过0.02 mm,相对误差平均值为2.47%,标准差为1.52%;对于宽度<0.2 mm的细微裂缝,相对误差平均值为4.71%,标准差为1.54%,满足桥梁检测精度要求。研究表明:CIACM算法可有效提升裂缝识别精度,尤其适用于细微裂缝检测,为桥梁表观损伤自动化评估提供了可靠的技术支持。

关键词： 目标检测   注意力机制   YOLOv5   红外跟踪  

摘要： 针对传统目标检测框架对红外弱小目标检测能力不足、召回率低、模型参数量大的问题,提出了一种新的多重注意力机制的轻量级红外弱小目标检测算法——FCDN。首先,提出了轻量级网络结构,减少目标信息在信息流传递过程中的丢失;其次,在上采样过程中采用轻量化的上采样算子来获取更大的感受野,提升召回率;再次,采用带有多重注意力机制的检测头从不同层次来更多关注小目标信息用于目标的回归和识别;最后,采用一种新的损失函数,使用最大相似包围框度量来表征真实框和预测框的相似度。实验结果表明,在复杂背景下的红外弱小目标检测数据集上,相比于基准模型YOLOv5(You Only Look Once version 5),精确率达到99.4%,召回率提高了5%,达到94.7%,mAP50提高了4.3%,达到97.8%,参数量相比原基础模型下降约42%,模型大小被压缩至8.66 Mb。检测结果表明该算法可以满足未来对于红外弱小目标的检测需求,对于红外跟踪、预警侦察、导弹制导等实际应用具有重要价值和参考意义。

关键词： 桥梁裂缝检测   图像增强   迭代阈值分割   中轴变换   误差分析  

摘要： 针对复杂背景下桥梁裂缝检测精度不足的问题,提出一套基于图像处理的系统性检测框架。通过分析混凝土裂缝的形态特征,构建了多场景裂缝数据集,采用防抖高感光度单反相机采集数据,并结合180°翻转、颜色抖动等数据增强技术提升模型泛化能力。提出融合加权平均灰度化、双边滤波与自适应伽玛变换的多级图像增强策略,有效提升裂缝与背景的对比度。实验表明,裂缝长度与宽度的平均检测误差分别为2.2%和2.5%,最大误差不超过6.67%。研究成果为复杂环境下桥梁裂缝的自动化检测提供了高精度技术路径,可降低至传统检测成本的40%以上。

关键词： 碾压混凝土坝   水利工程施工   视频监控   深度学习   计算机视觉   碾压施工  

摘要： 碾压混凝土坝坝面施工时间控制对浇筑质量影响巨大,而碾压混凝土坝坝面施工环境复杂,指派专人定时定点手动记录的传统方式存在人员成本大、效率低和安全管理难度高等难题。针对以上问题,本文提出一种视觉化的碾压混凝土坝仓面碾压及摊铺状态智能监控和分析方法。通过利用布置于施工现场的视频监控系统获取坝面施工的图像数据,采用QueryInst深度学习算法对坝面各区域施工状态自动化识别,并考虑图像数据的时间关系,实时统计分析现场施工阶段和各阶段施工时间。本方法应用于某碾压混凝土坝仓面施工状态的监控过程,应用效果表明:所提方法能够准确、有效地识别仓面各区域的施工状态并自动统计各施工阶段的时长,从而为施工现场管理提供出丰富的数据支持和参考依据。