关键词： 汽车工程   自动驾驶   三维目标检测   激光雷达点云   自注意力机制  

摘要： 为了提升自动驾驶车辆行进中对周边移动目标尺寸、位置、朝向等空间信息的感知能力，结合PointPillars与PointRCNN模型优化检测方法，提出一种基于自注意力机制的多特征融合目标检测模型MF-Point。该模型引入完全自注意力（Fully Self-Attention, FSA）增强模型的上下文感知能力，通过可变自注意力机制（Dynamic Self-Attention, DSA）在上采样过程中将结构信息有效传播到整个节点网络以增强点云特征的空间语义信息。同时，在基准算法网络中新增与其点特征提取分支相并行的柱状特征提取分支，两者并行融入自注意力变体以生成综合点特征，将其嵌入到基准算法框架中以提升检测模型对点云的处理和解析能力。试验使用KITTI三维目标检测数据集，对车辆、骑行者以及行人3类目标进行模型训练与评估，结果表明：改进后的MF-Point算法在三维模式下，车辆、行人和骑行者的检测精度分别提升了2.19%、2.68%和2.12%;在鸟瞰视角模式下，这3类目标的检测精度分别提升了0.59%、0.88%和4.67%。为进一步验证模型的泛化能力及其实际应用效果，将训练好的MF-Point算法模型部署到ROS系统中，将KITTI中的64线公开数据集和32线实测点云数据分别进行检测验证，连续检测帧数分别达到8.4帧·s-1和10.7帧·s-1,试验表明MP-Point模型提高了移动目标遮挡时的检测性能，漏检率降低了2.1%,且在公开数据集和实测验证中均具有较高的实时性和良好的检测性能。

关键词： 光伏电站   异常数据识别   图像处理   Canny边缘检测   Hough变换   双阈值  

摘要： 光伏电站SCADA（数据采集与监视控制）系统记录着大量的运维数据，这些数据对光伏电站日常运维具有重要意义。然而，由极端天气、传感器损坏等问题造成的异常数据会极大地降低数据质量，进而影响光伏功率预测以及光伏电站日常运维。因此提出一种基于图像特征检测和双阈值处理的异常数据识别算法，将数值型数据映射为图像，进而将异常数据识别问题转换为图像处理问题。首先，将异常数据划分负值异常、离散异常和堆积异常，基于图像数据密度识别离散异常数据。然后，基于Canny边缘检测和Hough变换识别堆积异常数据，并提出双阈值图像处理机制以提高算法的通用性。最后，基于真实数据集，将该算法与传统的统计算法进行对比，验证了所提算法的普适性。

关键词： 小行人目标检测   SSD算法   注意力机制   亚像素卷积   多尺度特征融合  

摘要： 在地铁场景中，小行人目标由于分辨率低，包含特征信息较少，现阶段目标检测器对此类目标的检测仍具有挑战性. SSD目标检测算法利用金字塔网络的多尺度检测头，能一定程度提高行人目标检测性能，但将其应用于地铁等复杂环境中实现小行人目标检测仍具有一定局限性.针对上述问题，提出一种改进SSD算法以加强地铁场景中小行人目标检测效果.通过构建地铁场景行人目标数据集，标注相应标签，同时进行数据预处理操作；在特征提取网络中加入金字塔特征加强模块，将多分支残差单元、亚像素卷积和特征金字塔相结合获得图像多尺度、多感受野融合特征；利用上下文信息融合模块将图像低层特征与上下文特征相融合，生成扩展特征层用于检测小行人目标；设计一种基于Anchor-free的动态正负样本分配策略，为小行人目标生成最优正样本.实验结果表明：提出的改进SSD算法能有效提高地铁场景小行人目标检测性能，对遮挡严重的小行人目标检测，效果提升更为明显.

关键词： 计算机视觉   结构加固   深度学习  

摘要： 房屋建筑老化与极端气候频发导致建筑结构损伤问题日益加剧，传统的加固与改造方法效率低下且精度欠佳。针对该问题，文章提出了一种基于计算机视觉技术的建筑结构加固与改造方法，通过无人机与高分辨率摄像设备获取建筑物的外观和内部结构图像数据，结合深度学习算法，自动识别结构损伤，并生成精确的三维模型。实验结果表明，该方法显著提升了结构加固设计精度与效率，减少了人工干预，能够有效应对复杂的建筑加固需求。

关键词： YOLOv8n   无人机目标检测   多尺度特征融合   小目标检测  

摘要： 针对无人机航拍图像中小目标特征信息少、目标尺度变化大致使算法的小目标识别与定位精度不高的问题，提出一种基于YOLOv8n的无人机小目标检测算法。在检测层，设计多尺度特征融合模块，专门针对小目标进行特征提取和处理，进而提高对小目标细节信息的收集能力；在颈部网络，引入三重特征融合模块和尺度序列特征融合模块，把底层特征图的细节信息与高层特征图的语义信息融合起来，提高不同尺度目标的检测能力；在骨干网络，采用Conv Ne Xt v2替换骨干网络，增强复杂背景下小目标的定位能力和特征提取能力。此外，为了优化模型在嵌入式系统的部署，采用层自适应幅度剪枝算法平衡模型的计算复杂度与检测精度。最后，利用Vis Drone2019数据集对算法性能进行检测，并与几个主流模型进行对比。实验结果表明，改进算法检测精度m AP50达到了30.2%，与基准模型YOLOv8n相比提升了3.8百分点，参数量降低了1.63×10～6。

关键词： 双端行波   故障定位   小波变换   Pix2PixHD   YOLOv8   StarNet   CAA   目标检测  

摘要： 针对传统故障行波法应用在输电线路中，采样设备的采样频率较低、定位精度不高的问题，提出一种结合对抗生成网络与神经网络的双端行波故障定位算法。该方法利用小波变换提取故障行波低采样率下的初始波头时域特征，以图像的形式输入Pix2PixHD，输出得到高采样率下的初始行波时域特征，进而提升故障定位精度。最后，针对行波检测提出一种Star-CAA-YOLOv8模型，对生成图像进行质量评估，并以实例分割功能实现自动化读取行波到达时间，解决图像带来的读数不便问题。1 MHz采样率下的故障行波图像经过Pix2PixHD输出得到2 MHz采样率下的故障行波图像，故障定位的绝对误差最高缩小83.33%，相对误差最高缩小84.44%。此外，该方法还具有缩小更低误差的可能性。多次仿真对比实验表明，所提方法能够精准地获取高采样率下的故障数据，具有较好的通用性和实用性。

关键词： 计算机视觉   特征匹配   定位识别   深度学习  

摘要： 阐述针对电力设备智能巡检中的设备识别与热状态检测需求，探讨基于图像处理与深度学习相结合的解决方案。重点分析图像去噪、增强及特征提取匹配等关键技术，并建立适用于电力设备监测的特征提取算法与匹配模型。

关键词： 高光谱图像   异常目标检测   图信号   拉普拉斯矩阵   图傅里叶变换  

摘要： 为提高高光谱图像异常目标检测的精度，提出一种基于拉普拉斯矩阵图的异常目标检测方法（Laplacian Matrix Graph for Anomaly Detection,LGD）。通过构造全连接图和高斯核函数构造的近邻矩阵，将高光谱图像中异常目标的位置和光谱信息进行联合处理，实现了高光谱数据不同波段之间的信息融合；利用图的傅里叶变换和拉普拉斯矩阵性能，将图信号的总变差作为判断异常目标的评价函数，实现了异常目标像素点的准确检测，避免了常规检测算法中的矩阵求逆问题，降低了算法的复杂度。在异常检测常用的AVIRIS-I、AVIRIS-II、ABU-urban-2、ABU-urban-4和EI Segundo 5种高光谱数据集上，进行了算法性能验证。实验结果表明：该算法在5种数据集上异常目标检测的AUC值与ROC曲线均优于其他算法，在检测精度上具有明显优势。

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段，机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备，为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息，进行重点区域目标检测、识别、跟踪，值得深入探索。此外，视频SAR与可见光、红外宽谱段集成，还可以视频级高刷新率实现低空对地多模态、高精度感知，多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。一、征稿范围

关键词： 信号处理   图像处理   人工智能   生物识别  

摘要： 阐述一种基于手掌关键点识别的身份认证与控制方法。通过采集用户手掌视频帧，利用预训练的关键点检测模型提取手掌特征点坐标，并基于特征点筛选起始帧图像。随后，将起始帧输入到预训练的手掌识别模型完成身份认证。实验结果表明，身份认证且手势分类准确率为97.10%。