关键词： 图像处理   疲劳驾驶检测   人脸状态识别   YOLOv5s   轻量化算法  

摘要： 针对现有的疲劳驾驶检测模型存在的精度低、模型体积较大且在低光环境下性能降低等问题,提出一种基于图像增强和人脸状态识别的疲劳驾驶检测模型。通过改进YOLOv5s模型进行低照度下人脸检测和关键点定位,并在YOLOv5s中引入self-calibrated illumination(SCI)模块对低照度图像进行图像增强。将下采样层替换为StemBlock模块,提高特征表达能力。将主干网络替换为ShuffleNetv2,大幅降低模型的参数量和计算量。引入cbam inverted bottleneck C3(CIBC3)模块以代替C3模块,降低噪声对检测的干扰并增强模型的全局感知能力。在总损失函数中,添加wing损失函数用于人脸关键点回归。之后,使用疲劳状态识别网络判断人脸检测模型定位到的眼嘴部位的开闭状态,最后采用评价指标判断疲劳状态。在DARK FACE数据集上的实验结果表明,对比基准模型YOLOv5s,改进后的YOLOv5s模型在参数量和计算量上分别下降62.12%、63.41%的同时精度提高2.38百分点。所提疲劳驾驶检测模型在YawDD正常光照数据集与自建低光照数据集上分别达到96.07%、94.50%的准确率,优于其他模型且单张图像处理时间仅为27 ms。这表明所提疲劳驾驶检测模型在保证正常环境与低光环境下的检测准确率的同时还能满足实时性要求,且具备部署在算力有限的边缘计算设备上的能力。

关键词： 3D点云   孪生网络   目标跟踪   Transformer   特征融合  

摘要： 三维点云目标跟踪的过程中时常会出现遮挡、稀疏性和随机噪声等问题。为了解决这些问题,提出了一种新颖的多级Transformer特征融合的三维点云目标跟踪方法。该方法主要由点注意嵌入模块和点注意力增强模块组成,且这两个模块分别用于特征提取和特征匹配的过程中。通过将两个注意力机制相互嵌入构成点注意力嵌入模块,并将其和PTTR所提出的关系感知采样法融合,实现充分提取特征的目的。将提取到的特征信息输入点注意力增强模块中,通过交叉注意力机制对不同层次的特征依次匹配,达到全局特征和局部特征深度融合的目标。为了获取判别性特征融合图,利用残差网络的方式对不同层的融合结果进行连接。将特征融合图输入目标预测的模块中,实现对最终3D目标对象的精准预测。在KITTI数据集、nuScenes数据集和Waymo数据集上的实验验证了该方法的有效性。若不计小样本数据,在目标跟踪的成功值中该方法平均提高了1.4个百分点,在跟踪的精确值上也提高了1.4个百分点。

关键词： 冬枣   品质   注意力机制   图像处理   特征金字塔   Faster RCNN  

摘要： 为了解决冬枣分选工作准确率低、速度慢、人工成本高昂等问题,该研究提出了一种基于改进Faster RCNN模型的冬枣外观缺陷识别方法。首先,使用Resnet50替换原有的VGG16特征提取网络,并在Resnet50中添加SE模块,提高模型的特征提取能力;其次,融入特征金字塔(feature pyramid network FPN)网络,对不同尺度的特征信息充分提取;最后,将原始的NMS算法用改进的Soft-NMS算法替换,改善被检测图像中对缺陷检测目标的误删问题,进一步提高对冬枣缺陷识别的准确率,试验结果表明:改进的Faster RCNN模型对冬枣缺陷检测平均精度均值(mean average precision,mAP)为91.60%,检测速度为17.5帧/s,mAP比SSD、YOLOv3、YOLOv5分别高14个百分点、11.32个百分点、5.94个百分点,将改进的Faster RCNN网络模型部署在冬枣检测平台上对不同品质的冬枣进行分选,其对优质果、伤果、裂果、虫果、病果的识别准确率分别为94.71%、96.99%、99.06%、93.82%、99.05%。改进的Faster RCNN网络模型能有效的对冬枣外观做出准确、快速的判断,降低冬枣检测过程中的误检率。

关键词： 板栗栗蓬   YOLOv3   目标检测   CBAM   焦点损失  

摘要： 板栗人工采收效率低、劳动强度大、易伤人,基于机器视觉的无人机采摘板栗栗蓬既高效又安全、为了快速识别和准确定位自然环境下板栗栗蓬目标,提出一种改进YOLOv3网络结构的YOLOvc栗蓬目标检测方法。通过在网络YOLOv3层前端添加融合通道注意力与空间注意力机制的CBAM注意力机制模块,提高深度学习网络模型对小栗蓬目标特征提取能力。在YOLOv3原有损失函数基础上添加焦点损失函数,提高对栗蓬遮挡等难分样本的检测识别能力。试验结果表明,YOLOvc算法能够有效检测板栗栗蓬,其查准率和平均精度分别达到89.35%、89.37%。消融试验对比结果显示,改进YOLOv3卷积神经网络对板栗树上栗蓬的检测识别精度比YOLOv3提高2.21%。研究结果表明,对YOLOv3添加注意力机制和焦点损失函数的深度学习算法YOLOvc可有效实现板栗树上栗蓬检测定位,为无人机采收板栗提供有效技术支持。

关键词： 目标检测   GSConv   跨阶段局部网络   注意力机制   SK模块  

摘要： 为了改善复杂背景情况下火焰检测算法检测效果较差、对小目标不敏感和计算量过大等缺陷,该文设计出一种轻量化的目标检测算法——GS-YOLOv5s。研究将鬼影混洗卷积瓶颈模块(GS bottleneck)应用于特征提取网络,提出跨阶段特征提取网络——GS-C2,通过对局部区域进行特征分流,使模型能够更专注地学习目标周围的局部特征,从而提高复杂背景下的目标检测精度;然后在模型的颈部网络中使用轻量化卷积GSConv,在实现模型轻量化的同时提高检测精度;最后通过融入选择性注意力LSK模块扩大感受野,更好地捕捉到全局上下文信息,提供更全面的场景理解,使网络更好地理解和响应小目标。数据集测试结果表明,与YOLOv5s基准模型相比,该算法结构整体参数量和浮点运算量分别减少了约20%和21%,同时mAP_(0.5)相较于YOLOv5s提高了4.6百分点。实验结果表明,GS-YOLOv5s既提高了检测精度,又满足了轻量化以及实时检测的需求,极大提高了火焰检测算法的实用性。

关键词： 智慧交通   目标检测   目标跟踪  

摘要： 为了提高监测与跟踪精度及效率,探讨智慧交通目标检测及跟踪实现方案。基于智慧交通系统概述,明确其工作原理与功能,指出实时目标检测与跟踪重要性,之后分析如何利用YOLOv5-NAM模型对目标进行检测,配合SD-NMS非极大值抑制解决密集目标遮挡引发的漏检问题;进一步地,构建卡尔曼滤波模型跟踪目标,融合误差影响因子对卡尔曼滤波算法进行改进,确定移动轨迹并提取特征,完成车辆违法行为、可疑敏感区域等的判断。实验结果显示,能在智慧交通多场景下可以取得合格效果,且相较于对比方法而言,在IDsw、MOTP与MOTA上表现均更为优异,可在智慧交通领域得到较好应用。

关键词： 现代化农业机械   计算机视觉技术   应用效果  

摘要： 为了研究计算机视觉技术在现代化农业机械中的应用效果,以采摘机器人为研究对象,通过对比是否使用计算机视觉技术的农业机械作业效率和质量,论证计算机视觉技术在现代化农业机械中的应用价值。经过分析和研究发现,使用计算机视觉技术的采摘机器人作业效率和质量均高于不使用计算机视觉技术的机械设备。由此表明计算机视觉技术的应用价值,为推广普及这项技术提供科学合理的参考。

关键词： 目标检测   坐标注意力   行人检测   深度学习  

摘要： 针对智能网联汽车行人目标检测准确性和实时性较低等问题,提出了一种基于YOLOv5s改进的行人检测算法。首先,采用幻影模块替代传统卷积,在保证模型准确度的前提下,降低模型复杂度,从而提高模型实时性。然后,将坐标注意力模块引入特征提取网络获得重要特征,提升行人检测准确性。最后,针对损失函数计算的弊端改进边界框损失函数的计算方式,在现有损失函数中引入power变换,以获得更高的边界框回归精度。实验结果表明,使用改进模型在Widerperson数据集上进行实验mAP达到70.8%,相较原算法提升2.6%,检测速度达61FPS。所提算法较主流算法准确率和检测速度均有所提升。

关键词： 目标检测   二阶Radon-Fourier变换   相参积累   参数估计   遗传算法  

摘要： 针对匀加速运动的高速目标,可以用二阶Radon-Fourier变换(Second-order Radon-Fourier Transform,SRFT)完成对回波信号的相参积累。SRFT算法的原理是通过“速度-加速度”联合搜索来实现目标的运动参数估计,其计算量较大,不满足实时检测的需求。针对这个问题,提出一种基于遗传算法(Genetic Algorithm,GA)的快速实现方法。首先对运动参数集进行编码,设置初始群体;然后通过遗传算法对群体更新迭代,使其能够自发快速地逼近全局最优解,减少不必要的搜索路径;最终快速实现待检测目标的相参积累。仿真结果表明,在保证检测性能的前提下,算法计算量得到有效改善,运算次数减少大约一个量级。

关键词： 印刷品   缺陷   图像处理   深度学习   计算机视觉  

摘要： 印刷品是生产生活中常见的一种产品，而印刷品的质量对于其使用效果、美观度和商业价值都有很大的影响。在印刷品生产过程中，颜色缺陷是常见的质量问题之一，它们包括色差、色斑、颜色均匀度等。如何准确、高效地检测印刷品颜色缺陷是印刷行业亟待解决的关键技术。本文探讨了印刷品颜色缺陷检测的方法和技术，首先介绍印刷品颜色缺陷的种类，分析传统的人工检测方法存在的问题和局限性，接着介绍了计算机视觉技术在印刷品颜色缺陷检测方面的应用，最后总结了各种具体方法解决印刷品颜色缺陷的优缺点，并讨论了未来的研究趋势。