关键词： 纯方位   异步数据融合   卡尔曼滤波   协同定位   状态估计   轨迹跟踪  

摘要： 针对多无人机编队基于纯方位观测信息对目标进行协同定位和跟踪时的异步信息融合和多平台协同定位问题,提出了一种线性化的伪测量模型。通过几何推导建立起目标位置与测量位置的线性关系,在假设目标恒加速运动情况下,利用卡尔曼滤波实现了多平台异步方位信息的数据融合,并对目标运动状态进行准确估计。同时为该状态估计器设计了一种基于事件触发的状态更新策略。为实现分布式计算状态估计,基于协方差交叉原理设计了异步局部状态估计结果全局融合方法。最后通过仿真实验验证了所提出算法的有效性,并证明提出的异步数据状态估计方法与基于伪同步的扩展卡尔曼滤波方法相比在目标速度持续变化条件下具有更好的收敛速度和精度。

关键词： 计算机视觉   图像处理   人工智能方法   视觉信号   视觉信息   人类感知   互联网信息   视觉处理算法  

摘要： 视觉是人类感知世界的最重要方式。视觉信息已成为人们生产、生活不可或缺的要素。据不完全统计,视觉信息已占据互联网信息的80%以上,并仍在快速增长。通过人工智能方法对视觉信号进行处理,进而获取视觉信号中的有效信息,对人们的生产、生活具有重要意义。然而,实际应用中,很难实现适配所有应用场景的通用视觉处理算法。因此,视觉处理算法需要依据具体的问题进行设计优化。

关键词： 深度学习   农业图像处理   目标检测   图像分类   图像分割  

摘要： 农业是国民经济的一个重要产业,推进农业农村现代化建设是社会主义现代化建设的重大任务。随着智慧农业的发展,深度学习技术在农业图像数据分析中的应用越来越广泛,深度学习技术在农业图像处理方面的应用有效地降低生产成本、提高农业生产效率、加快农业现代化的发展进程。系统介绍了目标检测、图像识别和图像分割3种常见的深度学习技术在农业图像处理中的应用现状,希望能为后续研究者提供帮助。

关键词： 图像处理   图像去雾   深度学习   生成对抗   多特征融合  

摘要： 为提高图像清晰度,解决传统图像在去雾过程中存在的特征提取困难、去雾不彻底等问题,提出一种基于生成对抗网络的多特征融合端到端去雾网络。该网络由生成器和判别器组成,生成器采用编解码结构,通过多特征提取融合(MFEF)块提取多种感受野下的高维表征信息。判别器使用一系列卷积计算对生成图像和清晰图像进行特征差异分析,引导生成器输出更加真实的去雾图像。实验结果表明,该算法在有效消除雾霾干扰的同时,能够最大限度地保留图像的原始色调。与现有方法相比,该算法在峰值信噪比、结构相似性客观评价指标上分别提升了2.588 dB、2.66%。

关键词： 嵌入式   计算机视觉   姿态估计   深度学习  

摘要： 随着计算机及集成电路技术的快速发展,嵌入式设备在日常生活中的应用逐渐广泛。将人体姿态估计等计算机视觉模型部署在嵌入式系统中,可以在保持实时性能的同时,兼具便捷性、低功耗和高效能的优势。本文设计了一种基于嵌入式平台的人体姿态估计系统的框架,并完成了部署实践。通过摄像头采集画面进行实时分析,最后以显示屏反馈姿态估计结果给用户。

关键词： 图像处理技术   管理系统设计   实现细节   食堂管理   核心模块   系统的构建   解决方案   模块的设计  

摘要： 本文首先对基于图像处理技术的智慧食堂管理系统的构建进行了详细概述,其次深入探讨了系统的四大核心模块,并对每个模块的设计与实现细节皆进行了深入分析,最后详细描述了如何利用图像处理技术对各模块进行优化和完善,旨在展现图像处理技术如何为现代化食堂管理提供高效、智能的解决方案,以供参考。

关键词： YOLO v8   小目标检测   Transformer   轻量化实时性  

摘要： 本文研究了遥感与无人机航拍图像中的小目标检测问题。由于这类图像存在目标尺度小、目标分布密集、背景复杂等特点,使得特征提取困难。目前针对小目标检测的算法,为了提升精度,大多忽略了参数量与推理速度的影响,这使得算法缺乏实用性。针对上述问题,本文提出了一种基于轻量化的多尺度融合注意机制的改进YOLO v8小目标检测算法。算法首先在YOLO v8的FPN结构中加入F算子,设计了多尺度特征的加权融合;然后在网络预测层剔除了P4、P5预测层,加入P2层用于小目标的预测;最后对轻量化自注意力机制进行图像输入网格化分割整合改进,并用它替换了FPN中的C2f模块,使得算法具有更好的全局感知能力,并大幅降低了参数量。与YOLO v8s相比,本文算法在DOTA数据集上的mAP提升了4.4%,网络参数量下降了52%,FPS达到了46帧/s。在VisDrone数据集中,本算法在精度上提升了8.2%。

关键词： 计算机视觉技术   图像传感器   深度学习算法   机器学习   模型架构   处理器性能   数字化设备   海量数据  

摘要： 计算机视觉就是利用计算机和相关的镜头设备来模拟人的视觉系统。其之所以能够实现快速发展,第一,归因于计算机处理器性能的提升以及图像传感器技术的进步;第二,机器学习和深度学习算法的出现功不可没,而且研究人员持续推出新的算法和模型架构,也起到了关键的推动作用;第三,互联网和数字化设备的普及也是重要因素,海量数据的产生与存储为计算机视觉算法的训练和优化提供了极为丰富的资源。

关键词： 目标跟踪   YOLOv5s   DeepSORT   注意力机制   特征融合网络  

摘要： 为提高DeepSORT目标检测器YOLOv5s算法的检测精度,本文将注意力机制CBAM融入到YOLOv5s网络结构中,改进双向特征融合网络BiFPN,使用EIoU作为边界框损失函数。基于VOC 2007行人数据集的测试结果表明本文算法的精确率、召回率和平均精度相比于原算法分别提高0.3、1.0和0.3个百分点;在MOT17数据集上的测试结果表明本文算法的MOTA、IDF1、MT、IDR分别提升1.8个百分点、2.9个百分点和1、2.7,FN与ML分别降低了4373和11。测试结果验证了改进YOLOv5s作为检测器能够有效提升算法的跟踪精度。

关键词： 国产异构FPGA   红外目标检测跟踪   协同处理   并行流水处理  

摘要： 随着国产器件在各领域的大力推广及应用,针对高帧频、强实时性光电系统空中红外目标捕获引导问题,介绍了一种基于国产异构FPGA的空中红外目标检测跟踪系统架构及其实现方法。基于AXI4总线协议,采用模块化设计及软硬件协同处理方法,构建系统架构和视频流水线;并行流水处理实现中值滤波,通过加权二维空间滤波流水处理实现基于背景抑制的快速空中目标检测,与中值滤波一起部署于FPGA逻辑资源(PL);检测结果实时传输到部署于FPGA处理器端(PS)的空中目标跟踪模块,完成目标跟踪,PS完成系统所有功能模块的控制;跟据各功能模块串/并行实现方式,统筹部署完成整个异构系统设计。实验结果表明,该系统能够实现1 280×1 024@100 Hz红外视频空中目标的实时检测及稳定跟踪,系统资源占用率小于25%,时延小于2帧,可满足高帧频、强实时性光电系统要求。该系统的实现是国产自主可控异构FPGA核心芯片工程应用的一次重要探索。