基于YOLOv3的复杂环境红外弱小目标检测

在复杂环境的红外弱小目标检测问题中,传统算法大多需要对红外目标进行特征增强、背景杂波抑制等预处理工作,算法检测准确率低,控制参数较多。通过对红外目标特性进行分析,本文构建了基于深度学习的复杂环境红外弱小目标检测算法。算法以单阶段目标检测网络YOLOv3为基础,简化处理流程,显著提升对红外弱小目标的检测精度。在红外弱小目标数据集的测试中, YOLOv3较实验对比的方法在检测准确性上具有明显的提升,其平均准确率(AP)可达99.5%以上,验证了算法对红外弱小目标检测的有效性。     

改进的YOLOv3算法及其在军事目标检测中的应用

复杂环境下军事目标检测技术是提高战场态势生成、分析能力的基础和关键.针对军事目标检测任务在复杂环境下传统检测算法的检测性能较低问题,提出一种基于改进YOLOv3的军事目标检测算法,通过深度学习实现复杂环境下军事目标的自动检测.构建军事目标图像数据集,为各类目标检测算法提供测试环境;在网络结构上通过引入可形变卷积改进的R...     

基于相关滤波跟踪算法的测试与分析

基于相关滤波的跟踪算法具有跟踪速度快以及在线学习并同步更新的特点,对其进行测试与分析.详细介绍几种经典的相关滤波跟踪模型,根据诸多算法在OTB-2013(object tracking benchmark)上的测试运行结果,对比分析各种算法的总体跟踪性能和在跟踪难点问题上的跟踪鲁棒性能,横向分析相关滤波算法在应对各种跟踪难点问题时所做的一系列改进,并对未来的发展给出几点看法.结果表明,该分析可对相关研究提供参考借鉴.     

基于光电转台全局运动补偿与YOLOv3网络模型的运动目标检测算法

传统的动目标检测算法存在受噪声干扰大、背景建模时间长、无法识别目标类型等问题,并且背景建模等方法对全局运动存在限制要求.针对上述问题,提出新的运动目标检测算法,采用YOLOv3模型对观察序列中的视频进行检测,获得连续帧的目标识别结果;通过光电转台位置信息估算全局运动,对连续帧目标进行匹配获取一致性关系;计算目标像素速度与目标运动程度估值,判定目标运动状态.以车辆目标视频图像为研究对象,试验表明：算法在英伟达TX2与NX平台实现部署,单帧处理时间分别达到140 ms、36 ms,实现对多个运动目标的实时正确检测,并获取目标像素速度与运动方向等运动信息.     

基于嵌入式平台与优化YOLOv3 的航拍目标检测方法

针对部署在嵌入式平台的目标检测模型在检测航拍目标时存在的检测速率低、耗时高、存储容量低的问 题,提出一种基于优化YOLOv3 算法的航拍目标检测方法。通过模型剪枝极大地减少了模型参数量,使用二分 K-means 对传统的锚框聚类算法进行优化改进,引入CIOU 损失函数加强边界框回归效果,再经TensorRT 对模型优 化加速后将该检测模型部署到JetsonTX2 平台上。选取大量不同类别不同环境的航拍图像制作数据集进行实验对比。 结果表明：优化后的算法在检验不同航拍图像目标时平均精度可达到83.9%,对每张图片的检测速度从2.8 FPS 提升 至14.7 FPS,满足精确性和实时性要求。     

基于改进粒子滤波的静电目标跟踪算法

针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和传统粒子滤波(PF)算法存在的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以无迹卡尔曼滤波(UKF)算法生成替代分布并从中采样,理论分析与仿真结果均表明,UPF算法能够提高静电探测系统目标跟踪的稳定性和精确性,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题,具有较高的实用价值和广泛的应用前景。     

基于相关和卡尔曼滤波的组合跟踪算法

针对现有单一或组合跟踪算法对于复杂背景条件下高速红外目标跟踪稳定性较差的问题,提出了基于相关和卡尔曼滤波的组合跟踪算法。该算法改进了相关跟踪算法的模板设计,并将其计算的目标位置作为卡尔曼滤波观测量输入来修正和预测目标航迹。在多种复杂背景条件下的反复测试验证表明,该算法有较好的鲁棒性,实现了对目标的稳定跟踪,满足光电系统对高速红外目标跟踪稳定性的高要求。     

改进的Rao-Blackwellized粒子滤波算法在目标跟踪中的应用

在雷达信号处理领域,运动目标跟踪问题一直是研究的重点,涉及的非线性滤波问题是难点所在;以RaoBlackwellized粒子滤波(RBPF)算法为基础,针对其应用于雷达目标跟踪时产生的若干问题进行研究,为提高算法的收敛性能及滤波精度,对其中重采样算法进行改进,利用数字仿真对更改后的算法进行验证,经过表明更改后的RBPF算法在各个方面均有较大程度改善。     

基于YOLOv5 改进的小目标检测算法

针对传统目标检测算法存在对小目标检测的识别精度低和不稳定的问题,提出基于YOLOv5 改进的小目 标检测算法。基于卷积神经网络加入额外的检测头,采用数据增强策略并更改网络卷积步长,解决了小目标像素低、 占比小、易重叠和难以分辨等问题;同时依托真实检测场景制作一个全新的针对飞机检测的卫星影像数据集,该数 据集的待检测小目标占比达61%,飞机姿态及场景丰富,有助于客观全面地验证网络精度。将改进后的算法与原始 的YOLOv5 模型进行对比,结果表明,其平均精确率AP 值较原始YOLOv5 模型提升约3%。     

闪烁噪声下目标跟踪的改进粒子滤波算法

针对目标跟踪系统具有强非线性非高斯的特点,提出了一种强跟踪粒子滤波(STUPF)算法.该算法将无迹卡尔曼滤波器(UKF)与强跟踪滤波器(STF)相结合作为粒子滤波提议分布,具有在线调节滤波增益阵,提高滤波器跟踪突变状态的能力.在给出闪烁噪声统计模型的基础上,将STUPF应用在几种典型目标运动模型跟踪系统中,并同UKF和...     

基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法

传统合成孔径雷达（SAR）图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的自动检测。制作SAR图像中建筑物数据集,针对建筑物的尺寸特点,通过改进的K均值聚类算法重新设置先验框大小;在结构上借鉴深度神经网络的聚合残差转换思想,将YOLOv3骨架网络中用于构建特征层的单路卷积残差模块改进为多路卷积残差模块,提高通道信息利用率的同时降低计算量;加入浅层特征融合模块,增加特征图中建筑物的形状特征所占比重,在特征融合层之前,使用转置卷积进行上采样,增加细节特征;使用改进YOLOv3算法进行建筑物检测模型的训练,并在测试集上进行测试。实验结果表明,相比原始YOLOv3算法,改进YOLOv3算法在SAR图像中建筑物数据集上平均检测精度提高了9.2%,召回率提高了6.3%,同时保持了较快的检测速度。     

单通道控制旋转弹角运动的复分析方法

针对单通道控制旋转弹存在气动力不对称,无法直接采用解析方法分析其锥形运动稳定性的不足,研究了其角运动模型和角运动复分析方法.通过在系统矩阵的不对称气动力项中引入比例因子,构建了单对称μ系数模型和对应的复攻角运动模型,并利用复分析方法对无舵偏、固定舵偏及正弦式舵偏情况下的角运动特性进行解析求解.对比分析单通道控制旋转弹的...     

高转速弹丸姿态解算方法研究

针对传统利用三轴磁阻传感器测量姿态角的解算方法计算量大这一问题,根据常规高转速弹丸在飞行过程中偏转角变化小这一特点,提出了一种基于偏转角的计算方法,计算结果既保证了姿态角的解算精度,又减少了计算量,表明了此解算方法的可行性。     

基于改进codebook算法的运动目标检测

为解决运动目标检测算法鲁棒性和实时性差的问题,在原始codebook算法的基础上提出一种改进的codebook算法.在匹配码字时将最近更新的码字调整至码本列表的最前端,加快码字匹配的速度;以适应光照变化且运算简单的局部二值模式(local binary patterns,LBP)直方图向量代替原有的RGB向量,采用码本记录局部区域的纹理特性,并通过实验比较原始的codebook、混合高斯算法及改进后的codebook.结果表明:改进后的codebook算法较其他2种算法具有更快的处理速度和更好的检测效果,且增强对场景中光照变化的适应力.     

高度机动目标Jerk模型及改进算法

针对Jerk模型常规算法跟踪Jerk机动时存在稳态确定性误差的固有缺陷,提出了Jerk模型改进算法。改进算法融合了Jerk模型及当前Jerk模型。Jerk模型描述弱Jerk机动,采用位置估计偏差和加速度变化率方差之间的关系调整系统噪声方差;当前Jerk模型描述强Jerk机动,采用修正瑞利分布描述加速度变化率方差统计特性。在滤波算法方面,引入模糊分布函数和强跟踪滤波器,改善了对弱Jerk机动的跟踪精度,并提高了对强Jerk机动的跟踪能力。理论分析和仿真结果表明,改进算法克服了Jerk模型常规算法的缺陷,能自适应地逼近不同强度的Jerk机动并进行准确跟踪。该算法在不同强度信号噪声比和不同量测噪声下,误差变化相对稳定,具有较好的跟踪精度。     

基于标记矫正的目标特征提取算法

提出一种基于标记矫正的目标特征提取算法。在目标标记过程中,使用尽量少的标记号标识二值像,同时统计各个标记的面积、灰度以及其他特征信息,并将相邻标记写入邻接表。在对邻接表整合后,将相邻标记的特征信息合并,从而获得视场中各目标的特征。仿真结果表明,该算法具有很好的效果。