关键词： 智能网联汽车   应用环境   信息交互   智慧交通   跨界融合   目标跟踪   车路协同   感知精度  

摘要： C-V2X产业应用是实现"车-路-云"全方位连接和高效信息交互的关键技术,是智能网联汽车、智慧交通与智慧城市发展的关键,也是跨界融合的产物.相较其他应用,路侧感知精度不足、目标跟踪连续性和一致性弱、交通对象感知识别不精准、交通流信息无法准确获取和估计.

关键词： 微小目标检测   循环层聚合网络   特征金字塔   高斯感受野   标签分配   Wasserstein损失  

摘要： 针对航拍场景中包含的目标尺寸小、有效特征信息少的问题,提出一种基于改进的变焦网络VFNet(VariFocalNet)的航拍场景中微小目标检测算法。首先,为增强微小目标的特征表征能力,采用特征提取性能更好的循环层聚合网络(RLANet)代替ResNet作为主干网络;其次,为解决特征金字塔自顶向下融合时顶层特征信息丢失问题,引入特征增强模块(FEM);然后,为解决现有标签分配方法在微小目标标签分配上的样本分布不平衡问题,改进的VFNet采用了基于高斯感受野的标签分配方法;最后,为减小微小目标对位置偏移的敏感性,引入一种边界框回归损失函数Wasserstein损失测量预测边界框高斯分布和真值框高斯分布的相似性。在AI-TOD数据集上的实验结果表明:改进后的VFNet算法的平均精度均值(mAP)达到了14.9%;与改进前的算法相比,在航拍场景下的微小目标上的检测mAP提高了4.7个百分点。

关键词： 目标跟踪   相关滤波   卡尔曼滤波   不变距特征  

摘要： 针对KCF(核相关滤波器)算法在目标发生严重遮挡时易出现目标丢失的问题,提出了一种结合不变距特征及卡尔曼预测的核相关滤波跟踪算法。利用模板图像和当前帧图像的不变矩特征计算相关量,然后根据不同遮挡情况下相关量值的变化情况设定目标遮挡判断机制。当目标未遮挡时KCF算法对目标继续跟踪;当目标被遮挡时利用卡尔曼滤波预测目标位置,目标复现后KCF算法利用预测的位置信息继续跟踪。最后采用OTB-2015数据集测试算法的有效性,实验结果表明,论文算法相对于KCF算法跟踪精度和跟踪成功率分别提高了12.95%和13.28%,有效改善了遮挡情况下的目标跟踪性能。

关键词： 计算机   钢筋   智能检测  

摘要： 由于传统钢筋骨架检测方法存在检测精度和效率偏低等现象,不仅耗费了大量的人力及时间成本,且部分检测结果失真,寻找一种高效新型的检测方法已刻不容缓。本研究利用2D工业相机模拟人眼拍摄方式,成功捕捉钢筋骨架信息,并将三维实体钢筋转化为数字化数据,以便进行可分析计算。通过图像识别技术,我们实现了对钢筋照片中钢筋位置的精准识别,并与设计图进行比对,从而生成钢筋偏差数据。为保证照片质量和钢筋识别精度,我们采用了自动化行走底盘和二维码定位技术,确保相机拍摄角度和相机与钢筋的距离始终保持在最佳状态。这项研究为钢筋检测与分析提供了高效、精准的工具,有望在工程领域中得到广泛应用。

关键词： 计算机视觉   塔吊危险区域   入侵预警   YOLOv5   安全管理  

摘要： 为解决建筑施工中塔吊作业存在的危险区域识别场景复杂的问题,利用计算机视觉技术,提出一种塔吊危险区域入侵预警方法。该方法结合塔吊危险区域动态判定和计算机视觉检测施工现场人员安全帽、安全带佩戴情况以及塔吊下方人员意外入侵,同时,在YOLOv5算法基础上修改注意力模型,并开发窗口交互式检测软件。结果表明:人的入侵行为和安全防护装备在模型中的识别准确率均达85%以上,具有较高准确度。该方法可在塔吊施工场景下进行有效应用,将塔吊固定式危险区域划分为动态塔吊危险区域,并实时监测人员意外入侵及预警。

关键词： 桥梁病害   深度学习   算法YOLOv8   方法应用  

摘要： 为解决无人机系统应用于桥梁巡检碰到的主要问题,本文首先通过对深度学习神经网络和拟采用的目标检测算法YOLOv8的原理和损失函数构造进行详细研究分析,并研究改进YOLOv8的桥梁表观病害识别方法,然后通过模型对比,最后将改进的YOLOv8的桥梁表观病害目标检测方法应用于桥梁典型病害分析、融入人工标注数据研究、仿射变换数据开展图像增强研究,得出改进后的YOLOv8实现了对桥梁表观缺陷小目标的精确检测,从检测的识别率和准确率都较相关的SSD、YOLO这类单阶段检测算法具有较大提升,有效证明该方法的有效性,为桥梁检修和维护提供了便利和支持。

关键词： 计算机视觉   深度学习   YOLOv5   轮对踏面缺陷  

摘要： 针对传统机车轮对踏面缺陷检测方法难以准确、快速、有效地检测出踏面缺陷的问题,文章提出了一种基于YO⁃LOv5算法的两阶段目标检测模型。首先,对YOLOv5检测网络采用Ghost进行轻量化设计,并引入注意力机制以强化重要特征的表达能力,从而提高模型的检测速度,降低模型复杂度。同时,精简踏面提取特征融合网络结构,改进原始先验框以适配数据集。实验结果表明:在踏面提取阶段,算法仅损失0.26%精度的基础上,检测速度提高了43.4%;在缺陷检测阶段,检测精度提高了1.72%,检测速度提高了30.4%。改进后的模型算法复杂度显著降低,具有一定的工程应用价值。

关键词： 小目标检测   无人机航拍图像   Double-Head RCNN   Transformer   内容感知特征重组  

摘要： 为解决无人机航拍图像中小目标特征信息少且容易被噪声干扰导致现有算法漏检率和误检率高的问题,提出一种改进Double-Head Region-卷积神经网络(RCNN)的无人机航拍图像小目标检测算法。在骨干网络ResNet-50上引入Transformer和可变形卷积(DCN)模块,更有效提取小目标特征信息和语义信息;提出一种基于内容感知特征重组(CARAFE)的特征金字塔网络(FPN)结构模块,解决特征融合过程中小目标被背景噪声干扰而丢失特征信息的问题;在区域建议网络中针对小目标尺度分布特点重新设置Anchor生成尺度,进一步提升小目标检测性能。在VisDrone-DET2021数据集上的实验结果表明:所提算法能提取更具有表征能力的小目标特征信息和语义信息,对比Double-Head RCNN算法,所提算法的参数量增加了9.73×10^(6),FPS损失了0.6,但是AP、AP50和AP75分别提升了2.6%、6.2%和2.1%,APs提升了3.1%。

关键词： 宫颈细胞图像异常检测   YOLOv5   图像处理   全局和局部特征融合  

摘要： 目标建立一种新的基于全局-局部注意机制和YOLOv5的宫颈病变细胞检测模型(Trans-YOLOv5),为准确、高效地分析宫颈细胞学图像并做出诊断提供帮助。方法使用共含有7410张宫颈细胞学图像且均包含对应真实标签的公开数据集。采用结合了数据扩增方式与标签平滑等技巧的YOLOv5网络结构实现对宫颈病变细胞的多分类检测。在YOLOv5骨干网络引用CBT3以增强深层全局信息提取能力,设计ADH检测头提高检测头解耦后定位分支对纹理特征的结合能力,从而实现全局-局部注意机制的融合。结果实验结果表明Trans-YOLOv5优于目前最先进的方法。mAP和AR分别达到65.9%和53.3%,消融实验结果验证了Trans-YOLOv5各组成部分的有效性。结论本文发挥不同注意力机制分别在全局特征与局部特征提取能力的差异,提升YOLOv5对宫颈细胞图像中异常细胞的检测精度,展现了其在自动化辅助宫颈癌筛查工作量的巨大潜力。

关键词： 内窥镜   ZYNQ   图像采集   FPGA   图像处理  

摘要： 针对传统医用内窥镜系统体积大、成本高等问题,论文设计并实现了基于ZYNQ的内窥镜图像处理系统。系统以Xilinx公司推出的ZYNQ7020为主控芯片,OV6946为图像采集摄像头,OV426为图像解码芯片,FPGA为图像处理端接收RAW格式图像,去除图像坏点后做颜色插值转换为彩色RGB图像,再做白平衡处理还原图像的真实色彩,最后增强图像对比度提高可视效果,图像经AXI总线存储到DDR3中,最后通过HDMI显示。PS端对FPGA进行初始化配置,协助完成图像采集和存储工作。由测试结果可以得出,该系统设计简洁,占用资源少,处理实时性高,图像处理结果满足预期要求,具有良好的应用前景。