关键词： 计算机视觉   目标跟踪   相关滤波   记忆模型   多特征融合   模板更新  

摘要： 针对目标跟踪过程出现的遮挡、目标形变、复杂场景等挑战,提出了一种结合记忆机制的精确度较高的视觉目标跟踪算法。该算法首先对目标初始化,提取目标的HOG特征、纹理特征以及CN特征构建特征模型,弥补了单一特征可能造成跟踪不准确的问题。然后将模型和构建的滤波器进行相关滤波操作得到目标搜索区域的最大的响应位置,在后续的视频帧中采用包含了瞬时、短时、长时记忆空间的三层旋转圆记忆模型对目标模板进行更新,有效的增强了算法的跟踪能力。最后在OTB50、TC128、OTB100实验基准数据集上表明,与提到的KCF、DCF_SC、MOSSE_CA、SAMF_AT、STAPLE_CA算法进行对比,该算法在精度和准确度方面提高了,能够较准确的对目标进行跟踪,在目标跟踪领域具有重要的研究价值。

关键词： 高能闪光照相   阵列屏   图像处理   非一致响应   校正  

摘要： 阵列屏采用大量独立晶柱组合而成限制了可见光在转换屏内的扩散,能够在提高X光转换效率的同时保证照相系统有较高的空间分辨能力,是高能闪光照相系统中的重要器件。阵列屏由于各晶柱之间的转换系数不同而导致接收图像中存在非一致响应现象,必须将其校正才能对图像进行有效判读。研究了中阵列屏接收图像中非一致响应现象的校正方法,首先使用平板照相获得空场图像,然后对实验图像和空场图像扣除暗电流本底和消除脉冲噪声,最后将实验图像与空场图像进行像素相除运算。针对强振动环境下空场图像与实验图像不匹配问题,提出对空场图像进行位移的方法以实现空场图像与实验图像的重新匹配,采用校正后图像的标准差数据来判断两者的匹配性。实验结果表明位移后的空场图像能够校正强振动环境下阵列屏图像的非一致性响应。

关键词： 目标检测   实例分割   互惠关系   特征表达   边界精细化  

摘要： 目标检测与实例分割是计算机视觉中2种重要且关系紧密的任务,但其间的关联在大多数工作中还未得到充分的探索。为此,提出了RDSNet,一种用于互惠目标检测与实例分割的深层架构。为了实现这2种任务之间协同优化,设计了一个双流式结构来联合学习目标级别和像素级别的特征表达,分别用于编码目标级别和像素级别的信息,并在双流之间引入了3个模块来实现二者的相互作用,让目标信息辅助实例分割,像素信息辅助目标检测。通过相关模块提供一种计算目标级和像素级特征相似度的手段,以便于驱动属于同一目标的特征尽可能一致,提高实例掩码的精度。裁剪模块利用目标信息为像素级感知引入实例的概念和平移变化性,以便于更准确地区分不同实例和减少背景噪声。为了进一步提高检测框与目标的贴合程度,提出了基于掩码的边界精细化模块来对掩码和检测框做融合,利用掩码的准确性优势修正检测框的误差。在COCO数据集上的大量实验分析和对比证实了RDSNet的有效性和高效性。此外,通过在边界精细化模块引入掩码打分策略,以新的方式实现了实例分割对目标检测的辅助,使RDSNet的性能得到了进一步提升。

关键词： 苹果病害   目标检测   模型轻量化   注意力机制   智慧农业  

摘要： [目的]面对大规模的苹果园种植和管理,传统的果园巡检容易出现误检、少检的现象,并且传统的苹果病害检测模型参数量庞大难以实现移动端的轻量化部署,因此,设计一个高效并且轻量的苹果病害检测模型可以实现对苹果病害的有效预防与精准管理,从而改善苹果品质与增加果园经济收入。[方法]针对以上需要,提出了一种基于YOLOv5s的改进算法。以常见的炭疽病和褐斑病为主要研究对象,采集苹果表皮病害图像构建果园苹果病害数据集,通过Labelimg工具对图像进行标注与分类;引入GhostNet轻量化模块对主干特征提取网络进行替换,使用更小的参数量来捕获更多的特征信息,达到模型轻量化的效果,便于后期移动端的部署;引入SimAM无参注意力机制加强模型对通道和空间信息的同时关注,在不添加任何参数量的基础上对重要的病害特征赋予更高的优先级,提高模型的准确性;引入SIoU边界框回归损失函数来优化预测框对于目标病害的准确定位,通过重新定义角度惩罚度量帮助预测框快速定位到准确的轴,同时借助遗传算法优化θ的取值,实现提升模型训练和推理能力的效果。[结果]改进后的模型参数量和浮点运算数(FLOPs)比原始模型减少了30.2%和33.8%,在达到轻量化的基础上,mAP@0.5达到93.7%,mAP@0.5:0.95达到63.3%,分别优于YOLOv5s原始算法1.6%和0.7%。[结论]改进后的模型在实现轻量化的同时也达到了较好的检测性能,不仅实现了苹果病害的高效识别,也为其他农作物的病害检测提供了技术支持与参考依据。

关键词： 目标检测   YOLOv5算法   子像素卷积   多尺度融合  

摘要： 为了提升目标检测算法在多尺度学习方面的能力,尤其是对小目标的检测能力,本文提出了一种基于改进YOLOv5的超分辨率和多尺度融合目标检测算法。首先,该算法使用子像素卷积代替原YOLOv5模型的上采样操作,提高图像的分辨率,并尽可能保留小目标的信息。其次,使用并行快速多尺度融合(parallel fast multi-scale fusion, PFMF)模块实现深层特征和浅层特征的双向融合,将原YOLOv5算法的3尺度预测升级为4尺度预测,以此提高模型多尺度特征学习能力和对小目标的检测效果。实验结果表明,与YOLOv5s相比,改进后的模型在PASCAL VOC数据集中,mAP@0.5提高了2.8个百分点,mAP@0.5∶0.95提高了3.5个百分点;在MS COCO数据集中,mAP@0.5提高了4.3个百分点,mAP@0.5∶0.95提高了5.2个百分点。改进后的YOLOv5模型在多尺度检测,尤其是小目标的检测效果方面得到了提升,并具有一定的应用价值。

关键词： 目标跟踪技术   相关滤波   特征融合   尺度变化   多峰值检测  

摘要： 针对传统核相关滤波算法在目标被遮挡或发生运动模糊时跟踪效果不佳的情况,为了达到运动目标的实时稳定跟踪,提高跟踪系统的精度和成功率,提出一种基于核相关滤波的具有尺度自适应和特征融合的目标跟踪方法。首先在特征提取过程中,通过在原有的方向梯度直方图特征后添加颜色特征来提高目标特征的识别能力,即将HOG特征与CN特征相融合,然后构建尺度金字塔来进行尺度估计以达到目标的尺度自适应,最后通过多峰值检测机制实现模型的更新。通过在OTB2015数据集中进行测试,算法的精确率和成功率有了进一步提升,该算法能够准确地识别出目标,并对目标进行有效跟踪。

关键词： 新工科   产业   图像处理与机器视觉   前沿知识  

摘要： 图像处理与机器视觉课程属于新兴课程,其教学内容和模式不成熟。同时为了课程符合新工科和地方型高校建设的要求,对该课程的教学内容和方式进行改革。通过有机融入课程思政,基于区域特色的产业进行知识点的筛选,以及基于产业、前沿知识进行教学方法的改进,使得学生综合能力得到更好的培养。由成效分析可知,学生对本课程的教学内容和方法满意度较高,且学生的综合能力得到了更好的提升。为新工科背景下地方型高校新兴课程的教学模式建设提供了一定的参考价值。

关键词： 计算机视觉   多目标跟踪   3D卡尔曼滤波   轨迹优化   改进的匈牙利算法  

摘要： 针对多目标跟踪算法在目标遮挡情况下存在的跟踪效果不佳的问题,本文提出一种基于三维点云检测的多目标跟踪算法。采用基于点云的三维目标检测器检测车辆目标,获取三维目标的位置信息;通过三维卡尔曼滤波器结合当前帧跟踪目标位置预测其在下一帧的位置;融合三维中心点空间距离与鸟瞰视图的交并比作为权重,使用改进的匈牙利算法进行数据关联;针对遮挡前后目标发生标签切换问题,提出了轨迹优化算法。在KITTI数据集上进行实验,车辆类跟踪精度、跟踪准确度分别达到84.71%、86.63%。在同样阈值的情况下,该方法相比AB3DMOT分别提升了6.28%、0.39%。实验结果表明此算法能有效改善三维多目标跟踪性能。

关键词： 图像处理   目标检测   粒子滤波   均值漂移   运动轨迹  

摘要： 针对群体运动轨迹分析算法存在的执行时间长、预测准确率低等问题,基于高斯混合模型、均值漂移算法和LSTM模型提出一种具有较高预测准确率的群体运动轨迹分析算法。通过回顾和分析主流的群体目标跟踪算法,设计和构建基于粒子滤波的均值漂移算法,并在此基础上引入具有时空预测功能的LSTM模型和高斯混合模型,从而实现视频环境下群体目标运动轨迹的抗扰识别、跟踪和预测。仿真实验采用相同的篮球运动视频数据集作为样本,其统计结果表明,与传统的群体识别和跟踪算法相比,基于特征识别的群体运动轨迹分析算法具有更高的预测准确率和更少的平均执行时间,群体运动轨迹的预测准确率提升了14.9个百分点,算法的平均执行时间降低了21.6个百分点。

关键词： 航迹起始   多源融合   目标跟踪   监视系统   船舶雷达  

摘要： 针对海面机动目标实时跟踪难、定位精度低等问题,为进一步拓宽近海领域监管,保证邻海安全,船舶雷达监视系统的优化设计与实现是值得深入研究的方向。通过对船舶雷达监视系统的架构分析和功能设计等研究,利用多源数据融合技术实现对近海船舶目标的实时、动态、立体的区块化智能监控。并针对船舶机动目标跟踪这一核心问题,提出了一种基于非线性无迹卡尔曼滤波(UKF)的多目标航迹起始算法,能有效提高目标探测概率并降低虚假航迹,并通过仿真验证了算法的有效性。该研究具有一定的参考价值。