关键词： 目标跟踪   煤矿井下   外观姿势   中心点尺度  

摘要： 随着计算机技术的飞速发展,煤矿井下智能工作面的建设取得了巨大进步。目标跟踪作为井下智能工作面建设的一个重要环节,在保证作业人员安全,提升开采效率等方面发挥着重要作用。但是煤矿井下光照条件较差,当目标有较大外观变化和遮挡时,算法的跟踪预测框将不能准确跟踪目标。为了解决上述问题,设计出姿势自适应权重更新策略,该策略能计算出不同帧与模板帧之间目标外观姿势的变化程度,该变化程度作为目标估计网络调制向量更新的依据,动态地更新调制向量。通过该更新策略,使得算法对于目标尺度变化较大物体的跟踪精度得到提升。同时设计的中心点尺度回归损失函数,将中心点距离和高宽损失引入损失函数,使得目标框回归更加精准。

关键词： 交通枢纽   行人异常行为   目标检测   模型驱动   数据驱动  

摘要： 城市交通枢纽是居民出行的重要支撑节点,普遍具有客流密集、空间封闭、多方式客流复杂交织等特征,也承担了巨大的安全组织与运维的压力。因此,对枢纽内行人异常行为的管控是保证其安全运维的重要关注点之一。目前,对枢纽行人异常行为的辨识主要是依托计算机视觉技术来实现,即:一种是主要关注客流轨迹和密度差异,利用目标检测技术提取枢纽内行人目标并进行轨迹预测,以分析个体或小群体的异常轨迹数据来判断行人的异常行为;另外一种是利用姿势估计技术提取行人的微观动作数据,通过分析行人的骨骼关节点数据来判断其异常动作和行为意图。故梳理了枢纽内行人行为的研究成果,概括分析了基于模型驱动和数据驱动的行人异常行为研究与应用成果,并解析行人异常行为的致因机理,总结了枢纽面对行人异常行为的管理措施,最后进行了枢纽行人异常行为研究的分析和展望。该综述可以加深对交通枢纽行人异常行为的理解,为枢纽内行人的安全运维提供参考和支持。

关键词： AGV   YOLOv5   DWA算法   全局路径规划   局部路径规划   目标检测   导航   自动导引  

摘要： 针对AGV(Automated Guided Vehicle)叉车处于环境信息未知或环境动态变化情况下的路径规划及导航问题,文中提出了一种由YOLOv5(You Only Look Once version 5)目标检测算法获取目标位置。根据目标位置规划出全局基础路径,再融合DWA(Dynamic Window Approach)局部动态路径规划算法进行AGV路径规划与导航,使AGV叉车在未知环境或局部环境信息未知的环境中能快速识别目标位置并完成路径规划到达目标位置。实验结果表明,相较于改进前方法,文中所提方法在路径长度、耗费时间以及AGV叉车航向误差方面均有良好表现,路径长度平均减少12%,耗费时间平均减少约5%且AGV航向与目标航向的平均误差在5°以内。所提方法提高了AGV叉车在未知环境中的工作效率以及工作灵活性。

关键词： 磁定位   目标尺度   磁场   非线性滤波   自适应  

摘要： 针对磁定位中由于目标尺度不可忽略导致的观测模型不匹配问题,提出一种仅需2个三轴磁传感器测量数据,且能够自适应目标尺度的滤波估值型实时磁定位算法。该方法基于最大似然选择思想,建立了不同个数磁偶极子构成的均匀线列阵模型作为候选观测模型;推导了一种适用于高维非线性动态参数估计的随机高斯流滤波算法,克服了大尺度目标模型高维度和强非线性导致的性能下降问题,提高了实时定位精度。同时,采用该算法对各个偶极子线阵模型分别进行滤波解算,选取最大似然值对应的滤波结果作为当前时刻估计值,实现了对目标尺度的自适应。通过双层壳体潜艇有限元磁场仿真模型数据对算法的有效性进行了验证,结果表明,相比现有方法,该算法估值更为准确,能够满足精确实时定位目标的需求,且具有更好的收敛性能。

关键词： 舰船识别   目标检测   多尺度表达   多模型协同   知识融合  

摘要： 随着遥感成像技术的不断进步,遥感图像的舰船目标检测已成为确保海上运输安全和效率的关键手段,对海上交通、环境保护及国家安全至关重要。然而,由于舰船目标尺度差异大、背景复杂等问题,现有单一检测模型的方法过度依赖训练数据,无法适应尺度多变的舰船目标。提出了一种多模型协同训练的框架,利用多个已训练好的舰船检测模型作为辅助网络,通过知识迁移的方式辅助优化目标数据的主网络。首先,通过三元关系约束建立辅助网络与主网络间的分布知识传递;其次,采用软标签引导策略整合辅助网络中的标签知识,提高舰船检测的准确性。实验结果表明:相较于现有主流方法,所提方法在DOTA和xView数据集上展示了较好的性能,克服了单一模型的局限性,为遥感图像的目标检测提供了新的解决思路。

关键词： 拥挤场景   YOLOv5   多尺度特征融合   WIoU   行人检测  

摘要： 针对目前目标检测算法在拥挤场景、人群密集、小目标众多等情况下无法准确识别的问题,提出一种基于YOLOv5的拥挤场景目标检测算法。在检测算法中设计了一种基于坐标卷积的C-Detect检测头,使其不再局限于局部信息,具备感知行人空间信息的能力;在颈部网络中利用多尺度特征融合浅层特征图,构造了一个极小目标检测头,改善小目标的漏检率;引入WIoU来替换CIoU损失函数,加快预测框的回归,使模型更具有泛化性。在拥挤行人数据集的实验结果表明,改进后的算法检测精度达到了82.6%,较基准模型提高了3.9%,在拥挤场景行人检测任务中取得了更好的效果。

关键词： 外墙裂缝   目标检测   MaskR-CNN  

摘要： 目前,传统的人工检测建筑物外墙裂缝的方法存在危险系数高、检测效率低下等问题,本文提出了基于无人机和计算机视觉技术检测建筑物外墙裂缝的方法。通过利用无人机采集建筑外墙图像,建立了裂缝数据集。提出了一种适合于裂缝检测的改进的MaskR-CNN目标检测网络。研究结果表明:改进后的MaskR-CNN提升了裂缝的定位精度以及掩码拟合质量,使裂缝检测过程更加智能化。

关键词： 绝缘材料   表面放电   计算机视觉   特征提取  

摘要： 阐述绝缘材料表面放电现象的计算机视觉分析与特征提取。通过图像处理技术和特征提取算法,准确捕获并定量评估绝缘材料表面放电情况。该方法在实时监测和诊断方面具有潜在的应用前景。

关键词： 遥感图像   目标检测   YOLOv7-tiny   显式视觉中心机制   并行补丁感知  

摘要： 针对遥感图像存在复杂背景干扰、目标多尺度差异和微小目标提取难的问题,本文基于YOLOv7-tiny模型提出一种融合视觉中心机制和并行补丁感知的遥感图像检测算法。该算法一是引入显式视觉中心机制,构建像素点间的长距离依赖关系,丰富图像的整体语义信息,同时提升对目标纹理的提取性能;二是改进并行补丁感知模块,调整特征提取感受野,以适应不同目标尺度;三是设计多尺度特征融合模块,实现对多层特征的高效融合,提升模型推理速度。在公共数据集RSOD上进行实验,所提算法的准确率、召回率和平均准确率均值相较YOLOv7-tiny分别提升1.5%、2.4%和2.4%,此外在NWPUVHR-10和DOTA数据集上进行泛化性验证,结果表明本文算法具备较强的泛化性能。通过与不同算法对比分析,进一步体现本文算法性能的优越性。

关键词： 计算机视觉   高压配电开关   状态监测与诊断  

摘要： 计算机视觉通过图像采集、分析处理来获取对象关键特征信息,其已被广泛应用于工业监测和故障诊断中。通过计算机视觉技术,可以实现对高压配电开关状态的实时监测和精准诊断,并及时发现和预防潜在的故障问题,从而提高电力系统的可靠性和安全性。本文首先介绍了计算机视觉在高压配电开关状态监测与诊断中应用的理论基础和关键技术,包括图像处理、特征提取和模式识别,接着详细阐述了高压配电开关自诊断系统的设计要求,包括硬件设计和软件架构的构建,最后通过一系列的技术测试验证了所提方案的有效性,展现了计算机视觉技术在电力系统高压配电开关监测与诊断中的应用潜力和实际效益。