关键词： 计算机视觉   数学课堂   教学互动方法  

摘要： 文中探讨了基于计算机视觉技术的数学课堂教学互动方法,重点分析了行为识别与情感分析对课堂互动的影响。通过使用高清摄像头和高性能计算单元实时捕捉学生的手势和表情,结合OpenCV和TensorFlow进行图像处理和模型训练,实现了课堂行为识别和情感分析。实验结果显示,该方法的行为识别与情感分析准确率接近100%,处理延迟低于100 ms,确保了课堂反馈的实时性。

关键词： 自动监测   YOLOv3   K-Means算法   循环水场   目标检测  

摘要： 为了提高水资源利用率,减少水体污染,提出了一种基于改进YOLOv3循环水场自动监测系统,结合YOLOv3与K-Means算法构建循环水场水面垃圾检测模型,对循环水场的水质进行实时监测并对水面垃圾进行自动检测与识别。首先,选择YOLOv3作为水场水面垃圾检测的基础模型,并为了进一步提高模型的检测速度与精度进行改进;然后将设计模型部署到循环水场自动监测系统中,并对系统整体框架、软件、硬件进行设计;最后对垃圾检测模型与自动监测系统进行实验测试。测试结果表明:设计的循环水场水面垃圾检测模型的平均F1维持在0.96左右,平均精准度维持在97%左右,mAP值达到了97.06%,与传统的目标检测模型相比,具有可行性和优越性,更加适用于循环水场水面垃圾自动检测与识别工作;设计系统可以实时监测并显示水中的PH值、电导率、药剂浓度以及钙硬度等参数,同时及时对水面垃圾进行检测并识别垃圾类别,具有可行性和有效性。

关键词： 多目标跟踪   超图神经网络匹配   视觉一致性关系   数据关联   联合检测与跟踪范式  

摘要： 针对联合检测与跟踪范式中存在的检测特征和Re-ID特征相互竞争的问题以及在复杂场景下难以保持被遮挡目标视觉一致性关系的问题,提出一个端到端的超图神经网络关联的多目标跟踪方法(HGTracker).首先,HGTracker设计一个增强的空间金字塔池化网络(ESPPNet)模块用来提高目标检测骨干网络的检测能力,该模块通过聚合不同维度的特征来适应跟踪过程的不同任务,有效地缓解一阶段跟踪方法中检测任务与Re-ID任务相互竞争的问题.其次,提出一个基于长短期超图神经网络的数据关联模块,通过设计长期超图神经网络和短期超图神经网络来分别关联未被遮挡和被遮挡的检测视觉特征,将数据关联问题转化为轨迹超图与检测超图之间的超图匹配问题,跟踪器将轨迹片段信息与当前检测帧信息之间的关系建模为超图神经网络,在严重遮挡的情况下保持了视觉轨迹的一致性.通过一系列的对比实验,所提出的HGTracker跟踪方法相比于FairMOT跟踪方法,在MOT17数据集上HOTA值由59.3%提高至61.4%,IDF1值由73.7%提高至79.3%,MOTA值由72.3%提高至76.9%;在MOT20数据集上,HOTA值由54.6%提高至57.9%,IDF1值由61.8%提高至73.1%,MOTA值由67.3%提高至75.1%.

关键词： 船舶自动监测方法   目标检测   数据融合   异常行为检测  

摘要： 为保障桥区通航安全,提出一种视觉与船舶自动识别系统(Automatic Identification System,AIS)融合的船舶自动监测方法。基于YOLOv5(You Only Look Once version 5)目标检测算法和Canny算法提取船舶图像轮廓信息,构建桥区水域目标距离、方位和高度视觉测量模型与方法,实现船舶三维定位。利用融合视觉与AIS的船舶航行态势数据建立异常行为检测模型,自动识别、监测桥区水域危险船舶。试验结果表明:在单、多船的情况下视觉与AIS数据关联准确率分别达到98.45%、91.29%;能有效监测桥区船舶的运动状态。本研究可为保障船舶和桥梁的安全提供有效方法。

关键词： 缺口检测   切割片   图像处理  

摘要： 切割片边缘出现缺口是一种常见的切割片缺陷,针对切割片边缘缺口多样性,该文提出了一种基于数字图像处理的检测方案。该方法首先通过图像采集设备获取切割片图像,利用图像处理技术提取切割片的边缘信息,引入欧氏距离差值法来筛选出边缘轮廓中差值较大的像素点坐标,从而得到缺口边缘轮廓点集。通过计算缺口边缘轮廓与拟合圆之间的交集得到缺口区域像素点坐标,最终实现缺陷区域定位和标记。该方法能够有效地检测出切割片边缘出现的缺口缺陷。

关键词： 无人机   目标跟踪   注意力机制   孪生网络算法  

摘要： 无人机目标跟踪场景复杂,目标移动速度快,导致被跟踪目标产生剧烈的尺度变化。注意力机制是解决复杂背景影响的常用方法,但现有的注意力机制只关注模板与搜索区域之间的关系,忽略了不同层次特征之间的相互依赖关系。针对以上问题,提出利用时空注意力机制结合时间和空间信息,对无人机跟踪的背景进行建模,解决背景复杂问题;为了缓解特征融合中注意力机制的高计算复杂度问题,在特征融合前进行Top-k操作,选择最相关的特征,并提取双重特征作为自适应锚框生成模块的输入特征,以解决目标尺度变化问题;最后,去除基线方法中损失函数的冗余权重,以提升训练效果和跟踪性能。实验结果表明,该算法在UAV数据集上跟踪准确率为76.6%,多个困难场景的跟踪准确率高于72%,可以减少尺度变化和外部因素对无人机目标跟踪性能的影响。

关键词： 计算机视觉   富血小板血浆治疗   卒中   复杂性区域疼痛综合征  

摘要： 目的评估计算机视觉技术引导下富血小板血浆(PRP)治疗对卒中后上肢复杂性区域疼痛综合征(CRPS)患者的疗效及其对上肢功能和日常生活能力的影响。方法为前瞻性、随机对照试验。2022年7月至2023年12月共纳入90例符合CRPS诊断标准的患者。参与者随机分配至对照组(n=45)和观察组(n=45)。对照组接受标准物理治疗,30 min/d,持续3周。观察组在接受相同的物理治疗基础上,额外每周进行1次计算机视觉系统引导下的PRP注射。治疗前后,采用简化Fugl-Meyer评分上肢部分(FMA-UE)、UCLA肩关节功能评分及视觉模拟评分(VAS)进行评估。结果治疗前,两组在FMA评分、UCLA评分及VAS评分方面差异无统计学意义(P>0.05)。治疗后,虽然FMA评分未见显著变化(P>0.05),但两组在UCLA评分和VAS评分上均有显著提高(P<0.05),且观察组的改善显著优于对照组(P<0.05)。结论计算机视觉引导下的PRP治疗能有效缓解卒中后CRPS的疼痛症状,并显著改善肩关节活动及功能。然而在提高患者上肢总体运动功能方面尚未观察到显著变化,仍需进一步研究以确认其潜在效果。

关键词： 图像处理   图像降噪   深度学习   火焰光场图像   3维温度场重建  

摘要： 火焰光场图像在形成过程中夹杂的辐射噪声和成像噪声会降低火焰温度场3维重建精度,该文提出一种基于改进U型网络(UNet)的降噪模型,该模型针对辐射噪声和成像噪声的特性以及复杂火焰图像的纹理信息设计了背景净化模块和边缘信息优化模块。通过密集卷积操作对图像背景层进行特征提取,着重净化夹杂在图像背景层的辐射噪声。通过UNet模块中对称的编码器-解码器网络结构和跳跃连接,对通道间的辐射噪声和表层的成像噪声降噪。最后利用边缘优化模块对图像细节信息进行提取,从而获得更高质量的火焰光场图像。数值模拟部分,在火焰光场图像上混合加入信噪比为10 dB的辐射噪声和成像噪声,经该文模型降噪后的峰值信噪比(PSNR)和结构相似指数(SSIM)高达47 dB和0.9931,与其他降噪模型相比有明显优势。随后,将火焰光场图像先经该文降噪模型降噪,再进行温度场重建,测得重建平均相对误差比未降噪时降低了约37%~57%,明显提升了火焰温度场3维重建的精度。实验部分,获取真实蜡烛火焰和丁烷火焰光场图像,经该文降噪模型降噪后的蜡烛火焰图像SSIM高达0.9870,降噪后的丁烷燃烧火焰图像SSIM为0.9808。

关键词： YOLOv5s   目标检测   注意力机制   损失函数   行人检测  

摘要： 为了提高图像目标检测的准确率,提出一种结合注意力机制的YOLOv5s目标检测算法。首先,针对局部遮挡以及小目标难以检测的问题,在YOLOv5s主干网络中引入注意力机制以提高目标检测算法对重要区域的特征提取能力;然后,为降低模型复杂度并加快网络收敛速度,使用SIoU损失函数替换YOLOv5s原有损失函数CIoU;最后,利用改进模型与人群检测算法进行对比试验,分析模型行人检测能力。在VOC2007数据集上的对比实验表明,改进后的YOLOv5s目标检测算法平均准确率达到了70.5%,有效改善了复杂背景下的行人检测效果,同时实现了网络的轻量化。

关键词： 遥感影像   目标检测   局部无参注意力(LPFA)   最优传输距离   联合损失函数  

摘要： 目的遥感目标检测技术在遥感测绘、智慧城市、乡村振兴和国防军事等领域具有广泛应用,但遥感影像存在背景信息复杂、待检目标小且多等特点,导致目标特征随着网络加深淹没在背景信息中,不利于后续检测任务。针对此问题,基于YOLOv5s(you only look once)网络,提出一种局部无参注意力和联合损失的遥感目标检测方法。方法首先提出一种局部无参注意力机制,能够根据当前特征提高局部区域内的目标关注度,而不引入训练参数,以此构建无参注意力残差块,并将其嵌入到骨干网络的不同阶段,实现多尺度目标特征增强和背景信息抑制。在此基础上,利用最优传输距离度量边界框的相似性,构造W-CIoU(Wassertein-complete intersection of union)联合度量方法和相应损失函数,以缓解锚框与真实框差异过大导致的标签误分配问题,降低小目标漏检率。结果在RSOD(remote sensing object detection)和RSSOD(remote sensing super-resolution object detection)数据集上的实验结果表明,该方法在保证模型参数量和复杂度基本不变的前提下,其平均精度均值(mean average precision,mAP)分别达到98.2%及87.4%,相较两种主要对比方法DAB-DETR(dynamic anchor boxes for detection Transformer)和YOLOv8s,在RSOD数据集上分别提升0.8%和0.3%,在RSSOD数据集上分别提升2.9%和2.6%。结论本文方法能够抑制背景信息并增强目标特征,提高检测性能,相较对比方法能更好地满足复杂场景下小目标检测需要。