基于人脸识别的课堂教学监控系统分析

本文设计并开发了一款基于人脸识别的课堂教学监控系统,该系统通过识别学生上课的表情信息,分析课堂教学情况。首先提出一种基于图像递归切割和OpenCV的人脸检测方法,以提高人脸检测召回率;然后使用百度AI开放平台的在线接口识别人脸表情信息,并将信息插入数据库;最后根据学生表情信息分析低头率、活跃度等课堂情况。实际部署测试后分析了系统的运行效果及时间消耗,结果表明该系统可有效监控课堂教学情况。     

基于多尺度特征融合的红外小目标检测方法

红外小目标检测因其探测距离远、抗干扰能力强等特点,在空中目标探测与跟踪系统中得到了广泛的应用。针对目前红外小目标检测算法在复杂背景下检测准确率低、虚警率高等缺点。提出了一种基于多尺度特征融合的端到端红外小目标检测模型（multi-scale feature fusion single shot multibox detecto,MFSSD）。考虑到红外小目标的特点,通过细化和融合特征图的方法提出了一种特征融合模块,通过SP模块提高特征图不同通道的相关性,3种不同序列红外图像的实验结果表明,该算法在红外小目标检测中的平均检测精度高达87.8%。与传统的多尺度目标检测算法相比,准确率和召回率都有显著提高。     

基于改进YOLO模型的遥感小目标检测

针对遥感图像中小目标检测精度低以及漏检现象严重的问题,提出一种基于YOLOv4改进的遥感小目标检测算法。该算法首先改进特征提取网络,删除深层次特征层,减少语义丢失现象;其次将轻量级注意力机制与RFB-S结构融合,拓展感受野,并加强网络对重要信息的关注程度,从而提升检测精度;最后使用Focal Loss函数解决正负样本不均衡问题,抑制背景目标,进一步增强检测效果。在RSOD数据集上的实验结果表明,改进后算法检测平均精度为96.5%,召回率达到87.2%,检测效果明显提升,有效改善了小目标漏检现象,对遥感图像小目标检测具有重要意义。     

深度图像的目标潜在区域提取算法

目标检测和识别算法通常使用复杂特征以多尺度滑动窗的方式进行分析,运算效率往往非常低。因此,目标性被引入进行目标潜在区域的快速预判断,减少复杂特征需要分析的窗数,从而达到加速算法效率的目的。针对逐步普及的Kinect深度像机,该文提出了一种基于深度图像的目标性分析算法,以提升深度图像的目标检测识别算法的效率。首先基于深度图像的法向量,提出能够有效描述深度图像边缘信息的特征,然后通过支撑向量机学习目标性的分类器,以得分的形式给出候选区域中存在目标的概率,最后基于人眼的视觉机理对不同尺度的目标进行加权。通过深度图公共数据库的实验对比,该算法给定1000个候选区域时达到94.1%的召回率,保证了准确率的同时大大减少了区域数量,能有效的提升目标检测识别算法的效率。      

基于图像处理的铁路沿线视频监控算法设计

随着中国火车的不断提速,为了保证铁路沿线人民的生命财产安全,提出一种基于视频图像处理的方法实现对于行人穿越铁路线的监控.首先,从动态场景中提取出静态铁路沿线的状态即背景提取;然后对视场中的危险区域进行划定;其次,当监控区域存在危险情况时系统能够对当前图像实时保存;最后,对保存到的图像进行目标识别.视频处理结果为系统可以自动的检测到穿越铁路线的行人并以图片的方式保存当时的现场信息.实验结果表明了这一方法的有效性,整个算法设计具有一定的可行性和参考价值.创新性在于通过图像处理的方法实现了对行人穿越铁路线的监控.     

基于YOLOv5算法的足球训练识别系统

随着全民健身时代的发展,体育运动分析越来越重要。文章设计了一个基于YOLOv5目标检测算法的足球识别系统,该系统通过预先准备的足球训练集对YOLOv5训练得到初步目标检测算法模型之后,再通过K-means算法进行二次算法模型分析,对图像聚类分析改进算法对图像特征。在算法训练结束后,文章对此目标检测算法模型进行测试,测试结果表明：聚类分析后的目标算法模型对足球漏检的情况显著变少,而且对足球的实时检测效果表现良好,提升了算法识别速度和识别准确度;其mAP平均精度达到了98.6%,与原改进前提升了1%。     

基于Faster R-CNN的仓库视频监控目标检测方法研究

针对目前电力仓库视频监控图像中目标检测算法对小目标物体、部分遮挡及尺寸大小不一存在检测难度大、漏检、错检等问题,提出基于Faster R-CNN的仓库视频监控目标检测方法,实现电力仓库视频监控中目标分类与识别及仓库智能化监控,保护仓库安全。实验结果表明,该方法提高了目标识别的准确度(m AP),减少了目标物体识别时间。     

基于改进Hough变换和图搜索的油库目标识别

为了识别遥感图像中圆形油库目标,首先改进了基于梯度信息的圆形检测Hough变换方法,提取出图像中的圆形油库。然后根据油库的空间分布关系,提出利用深度优先的图搜索策略对检测到的圆进行分组,剔除虚警目标,最终实现油库目标区域的定位。改进的Hough变换通过利用梯度的方向信息和降低参数空间维数的方法降低了算法执行时耗费的时间和占用的存储空间,提高了圆检测的效率,同时用图搜索技术来排除虚假目标和定位目标区域,降低了虚警率,提高了识别精度。实验表明,该方法能够快速准确地识别油库目标,适用于不同分辨率的可见光遥感影像。     

基于多核DSP平台的交通视频运动目标检测跟踪实现

为解决实际交通智能监控系统中视频传感器平台因移动或外部因素的影响发生晃动,导致视频运动目标检测跟踪性能下降的问题,文章提出了基于改进SIFT算法的精确配准动目标检测跟踪方法。该算法采用经典SIFT特征对图像配准,以此为基础实现高效、高精度的图像帧间差分运动目标检测,并采用自适应阈值分割算法完成对差分图像的分割,且通过区域合并策略解决分割产生的断裂及空洞问题,同时采用目标局部邻域特征和置信度判定准则,实现对运动目标的检测和持续稳定的跟踪。最后,基于多核DSP处理平台,通过实验验证了该算法应用于智能交通视频动目标检测跟踪的有效性。     

面向天基红外预警的高动态弱小目标LSTM检测方法研究EI北大核心CSCD

在天基红外预警任务中,高动态弱小目标具有成像尺寸小、运动规律未知的特点。现有红外弱小目标探测任务主要关注匀速直线运动目标检测问题,对高动态目标的有效检测算法尚需进一步开发。针对天基红外预警任务中高动态非线性运动目标检测问题,提出了一种基于LSTM的红外弱小目标检测算法。首先设计了提取可疑目标位置信息的预处理方法,解决了LSTM网络结构与序列图像不匹配的问题;然后,针对传统算法难以检测非线性运动轨迹的问题,利用LSTM提取目标运动特征,实现序列图像中高动态目标的检测。通过与序列假设检验等算法的对比,在自研的红外序列图像数据集上验证了所提出的算法能够实现不低于0.9347的精确率与不低于0.8633的召回率。     

基于GAN和CNN-ELM的监控图像智能修复及检测方法

针对目前石化危险品装车过程中海量监控视频图像人为处理效率低下、模糊图像识别率低等问题,提出一种基于生成式对抗网络(GAN)和卷积神经网络(CNN)与极限学习机(ELM)相结合的监控模糊图像智能修复及检测方法.首先,使用深度学习网络作为 目标检测框架,利用GAN网络中生成器与判别器间的零和博弈对模糊图像进行复原,得到清晰完整的作业图像;其次,利用CNN自适应学习图像特征的能力,对修复后的图像进行自主特征提取;最后,将提取的图像特征输入ELM分类器中进行目标识别与分类,判断作业过程是否存在违规行为.试验结果表明:所提方法图像修复速度快,视觉效果自然,且目标识别准确率高,具有很好的泛化能力.     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

基于神经网络的枣树红蜘蛛识别研究

针对目前枣树病虫害防治过程中害虫的自动识别问题,文中以枣树害虫红蜘蛛为研究对象,介绍一种基于BP神经网络技术和图像处理进行枣树虫害识别的方法,即利用图像处理技术,结合枣虫害颜色特征、几何特征实现枣树虫害图像的特征提取。并利用Matlab完成对神经网络的训练和测试,构建图像自动分类器,实现枣树虫害图像的自动识别。同时通过对实际采集到的图像进行验证,识别率结果达到了95.3%,证明了文中所提方法的有效性和鲁棒性。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

改进YOLOv5的航拍图像识别算法

航拍图像识别广泛应用于各类军用、民用领域,因其距离远、成像模糊、目标相互遮挡等特点使得目标检测准确度一直不高,针对这一问题,提出了一种基于YOLOv5模型的改进方法。通过引入数据增强和标签平滑方法、改进损失函数为DIoU和增加针对小目标的网络处理层来提高目标检测效果。实验结果表明,在相同训练条件下,改进后的YOLOv5算法对大多数种类的目标检测准确率都有所提升,平均精确率提高了17%,平均召回率提高了2%,mAP@0.5达到了70.4%,比原始模型提升了6.1%。     

轻量级红外刑侦图像目标识别算法

红外刑侦图像目标识别对刑事侦查具有重要意义,但刑事案件的侦破对时间和置信度要求较高。设计一种保持优异识别精度且具备较快识别速度的轻量级红外刑侦图像目标识别算法,具有十分重要的研究价值。因此借鉴生物免疫的优良特性,设计了免疫原性深度神经网络算法。该算法通过构建先天性免疫网络和适应性免疫网络来提取图像特征,然后设置免疫原性网络增强算法在处理图像特征映射时对不同通道之间优先级的调整能力,从而提高算法的精度和速度。实验结果表明,本文算法有效实现了红外刑侦图像的快速精准识别。与VGG16、VGG19、Resnet34、Resnet50、MobilenetV2等模型相比,本文算法不仅取得了99.4%的最高测试准确率,而且还具备最快的识别速度。     

基于单目的轻量化目标识别系统设计

为了满足微型无人飞行器实时控制的要求,文章对Yolo-V4单阶段图像检测算法进行了轻量化设计,并基于单目摄像头设计了实时目标识别系统.该轻量化算法首先通过优化输入网络的分辨率和卷积层参数等方法,将主干网络由73层压缩到16层;然后通过简化残差结构和跨级结构,解决深层网络梯度消失问题,减少梯度信息重复;最后自下而上将网络浅层和深层特征进行了精简融合.采用K均值聚类算法训练轻量化模型以优化预选框参数,提高算法对特定目标的检测精度.测试表明,改进后的轻量化算法对特定目标的预测精度为98％,召回率为92％,均值平均精度达90.70％,单张图片检测时间为7.8 ms,对视频的处理速度可达125.6 f/s,满足微型无人飞行器的实时应用要求.     

一种基于关键点的红外图像人体摔倒检测方法

针对已有人体摔倒检测方法在复杂环境场景下易受光照影响、适应性差、误检率高等问题,提出了一种基于关键点估计的红外图像人体摔倒检测方法。该方法采用红外图像,有效避免了光照等因素的影响,经过神经网络找到人体目标中心点,然后回归人体目标属性,如目标尺寸、标签等,从而得到检测结果。使用红外相机采集不同情况下的人体摔倒图像,建立红外图像人体摔倒数据集并使用提出的方法进行检测,识别率达到97%以上。实验结果表明提出的方法在红外图像人体摔倒检测中具有较高的精度与速度。     

基于卷积神经网络的超声红外热图像分类

在超声红外热像技术应用中,从红外热图像来判断被测对象是否含有裂纹,通常需要先基于人工经验,从红外热图像中提取特征再采用某种模式识别方法进行分类,裂纹的识别与定位过程繁琐且识别率较低。为此,提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法,其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图像的分类。通过实验得到的含裂纹和不含裂纹金属平板试件的红外热图像,建立卷积神经网络模型对图像中是否含有裂纹进行分类,研究结果表明,参数优化后的卷积神经网络模型对超声红外热图像的有无裂纹分类准确率达到98.7%。     

手指书写:一种虚拟文字识别人机交互新方法

本文提出了一种全新的手指书写虚拟文字识别系统,该系统利用摄像头捕捉人手指的运动轨迹,通过手指跟踪及检测算法,恢复出手指虚拟"书写"文字的二维图像数据(称之为虚拟文字),再进行识别输出.文中对单层函数连接神经网络进行改进并用来进行高准确度的运动手指尖的预测及跟踪,给出了一种基于数学形态学及模板匹配的简单有效的手指检测方法,提出了基于运动手指跟踪的"虚拟文字"恢复方法.实验结果表明:系统方案可行,手指跟踪及检测准确率高,对手指"书写"的数字、英文等虚拟文字识别率能达到95％以上.