基于车辆轮廓对称与车牌定位信息融合的车辆检测方案(英文)

为了有效地定位交通监控图像中的车辆区域,提出了一种基于车辆轮廓对称和车牌定位信息融合的车辆检测方法. 该方法首先检测图像中的车辆轮廓竖直对称轴,然后以车辆轮廓对称轴位置为基准检测车牌水平和竖直对称轴,最后根据车牌横纵对称轴和车辆轮廓图像的水平、竖直投影进行车辆区域定位. 以450 张 15 类车型的图片为测试集进行了基于对称特征融合的车辆区域检测,并与基于车辆边缘、车牌、车辆纹理特征和车辆图像 Gabor 特征的 4 种方法进行了对比,实验结果表明基于车辆轮廓对称与车牌对称特征融合的车辆区域检测方法最优,其检测率和检测时间分别为 90. 7%和 125 ms.     

基于改进YOLOv3算法的行人目标检测研究

针对行人目标检测任务中目标检测速度慢及小目标难以检测的问题,提出一种融合CBAM注意力机制的YOLOv3多尺度目标检测模型.该算法首先以YOLOv3为基础网络进行特征提取,然后在YOLOv3的多尺度特征融合层新增一个两倍下采样特征图,用于补充小目标特征信息,最后在YOLOv3的各尺度特征图融合后加入卷积注意力模型(CB...     

基于AM-YOLOX的草莓病虫害检测算法研究

在草莓生长过程中，遭受病虫害种类多且自然背景下难以被准确识别，就此提出一种基于AM-YOLOX草莓病虫害检测算法。该方法以YOLOX-s模型为基础，在网络的不同位置，根据不同注意力机制的作用，融合多种不同的注意力机制，使网络模型能更有效地学习和融合图像特征；引入CIoU目标回归损失函数，提高网络对草莓病虫害的定位精度；在训练阶段，使用Mosaic和Mixup算法进行数据增强，使得网络面对复杂环境有更好的鲁棒性。实验结果表明，AM-YOLOX对7种草莓病虫害的检测有着优异的综合表现，并能最大程度地避免病虫害的误检和漏检。     

基于单目视觉的疲劳自动检测

提出了一种基于单目视觉的疲劳检测系统。首先检测人脸,然后对头部进行跟踪,在可靠人脸的基础上,定位并且跟踪眼睛,提取眼角与眼睑特征。通过对眼睛及头部状态的疲劳检测来决定是否触发警告。实验证明系统具有一定的可靠性与准确性。     

视频图像中的人脸快速检测算法研究

利用对称差分、肤色模型和几何特征相结合可以快速实现视频图像中的人脸检测,具体做法是:先利用图像对称差分方法得到运动区域,再用肤色检测方法在运动区域中得到人脸候选区域,最后通过检测眼睛位置,利用人脸几何特征精确定位人脸.此方法提高了检测速度,降低了误检率,可以应用在视频监控等实时系统中.     

适用于铁路桥梁钢结构无人机图像缺陷检测的自适应裁剪浅层注意力网络（英文）

目的：桥梁钢结构以及钢结构上的高强度螺栓长期受风雨侵蚀,常常会有锈蚀或缺失的情况发生,而人工巡检的效率低、危险性大且视觉盲区多。本文期望通过无人机拍摄,对铁路桥梁钢结构图像所包含的检测目标（螺母正常、螺栓正常、螺栓缺失、螺母缺失、钢表面锈蚀和钢栏杆锈蚀）进行识别和检测,以提高铁路桥梁巡检工作的精度和效率。创新点：1.提出了一种自适应图像裁剪方法,可根据图像的具体情况,自适应的调整图像的分割尺寸以及裁剪重叠区域面积,可以消除无人机拍摄距离以及焦距不固定带来的负面影响,并且提高小目标的检测效果;2.基于铁路桥梁钢结构待检测对象的特征,提出了浅层注意力网络,使模型能够更加关注待检测对象的浅层特征,从而使锈蚀区域更易于检测;3.将坐标注意力（CA）机制模块集成到浅层注意力网络模型当中,帮助网络在大范围的无人机拍摄场景下找到缺陷区域;4.将阿尔法并交比（α-IOU）损失函数集成到浅层注意力网络模型当中,提高针对铁路桥梁钢结构小数据集的训练和测试精度。方法：1.提出自适应图像裁剪策略,对无人机大尺寸图像进行处理,得到更易于网络检测出缺陷目标的小图像;2.通过对YOLO网络进行改进,得到更关注浅层特...     

基于改进YOLOv5算法的红外图像行人目标检测

针对红外图像中行人检测算法准确率低、漏检等问题,提出了一种基于改进YOLOv5s的红外行人目标检测方法。首先,利用Transformer编码结构替换C3模块中的Bottleneck结构,以加强检测网络的特征融合能力;其次,利用递归门控卷积gnConv对视觉感受野模块RFB进行改进,并在YOLOv5s头部检测网络前加入改进的RF-gnConv模块,以提高模型对各种复杂场景行人检测的适应力;最后,利用OTCBVS数据集对算法模型进行验证。结果显示：改进后的算法模型平均精度均值达到97.3%,检测速度为63帧/s,验证了改进算法对红外图像中行人检测的有效性。     

基于眼睛特征图的眼睛检测系统的设计与实现

给出一种基于眼睛特征图的眼睛定位方渚。首先通过肤色检测得到人脸区域,然后在限定的人脸区域内建立眼睛色度图,并利用眼睛在人脸区域内的几何分布对眼睛区域进行局部的光线补偿,突出眼睛的色度信息,得到眼睛的二值图像,最终利用灰度投影算法定位眼睛。     

基于ZYNQ MPSOC的驾驶员面部疲劳检测设计

针对驾驶员疲劳驾驶车辆易致重大交通事故，设计了基于驾驶员面部特征疲劳检测系统。在ZYNQ平台下，利用OV5640摄像头进行图像采集，在PL端进行图像处理，在PS端的ARM中显示图像。OpenCV调用训练的人脸分类器进行人脸检测，通过分类器得到人脸图像，再由三庭五眼的特征分割出眼睛和嘴巴区域，后对分割后的图像进行图像阈值化处理和膨胀得到眼睛和嘴巴的大致轮廓。通过对分割后的眼睛和嘴巴的外接矩形的宽长比进行计算，结合PERCLOS算法、眨眼及打哈欠频率快速侦察驾驶员是否出现疲劳。在实验室模拟驾驶环境进行测试，该系统能实时准确检测到驾驶员面部疲劳状态。     

基于改进YOLOv5的道路病害智能检测

针对现有道路表观病害检测识别精度低、漏判、误检率高的问题,提出了一种改进的道路表观病害检测高精度识别模型(improved pavement detection-YOLOv5, IPD-YOLOv5)。在YOLOv5的主干特征提取网络中添加由不同空洞卷积组成的ASPP模块,引入SE-Net注意力机制以加强算法从裂缝图像中提取不同尺度特征的能力,实现多尺度特征图的有效融合。结果表明：较传统检测算法,所提的IPD-YOLOv5模型在道路裂缝病害检测上的识别精度最高,其中平均精度比未改进的YOLOv5算法提高了7.47%,漏判率降低了10.29%。     

基于深度学习的教室快速头部检测算法

快速准确的定位是智能考场监测与课堂行为分析的基础。当前较为成熟的面部检测与人体检测方案易受到遮挡、大视角变化的影响,通过对已有的快速人脸检测算法RetinaFace进行迁移学习,并改进其特征金字塔中特征融合策略,提出了一种新的适用于教室场景下的快速头部检测算法。此外,对已有对数据集进行挑选,并自行收集数据,进行人工标注,组成新的教室场景下头部检测数据集。实验结果表明,该算法可以快速准确地定位教室场景下人员头部的位置,并能够在CPU进行快速推理。     

基于改进的LBP特征和随机森林相结合的人脸关键点检测方法研究

提出了一种人脸关键点检测方法,该方法用了少量的正面图像,不用归一化人脸图像,而传统的人脸关键点检测方法需要对图像进行严格预处理。随机森林是一种分类器融合算法,可以很好地解决多类分类问题,虽然LBP特征简单,但其可以包含大量的纹理信息。利用改进的LBP特征与随机森林相结合,构成一种对人脸关键点检测的方法。通过高斯平滑图像的LBP特征的提取,对每个点生成特征,计算出有用的特征作为正例,并且与反例集合变为训练集。通过随机森林分类器进行分类,误差率较低,仅在10%左右。     

一种基于多特征融合的俯视行人检测与跟踪方法

针对俯视的行人,提出一种基于俯视行人特征、矩形分块特征、颜色均匀特征等多特征融合的行人检测和跟踪方法。该方法主要由4个部分组成：运动检测、目标识别、目标跟踪建模、目标跟踪。系统在整张图像上用检测窗遍历扫描的方式检测是否含有人头目标,每次移动都是在原图像的一个采样,将所有候选目标都依次检测,保留目标图像;同时,对检测到的目标重新建模以便后续跟踪;最终利用MeanShift算法跟踪检测到的目标。实验表明：该算法精度高、速度快,能有效避免漏检、误检等情况,可以很好地适应复杂场景下的行人检测     

融合复合纹理特征的图像拼接检测

为解决传统图像拼接检测算法对图像内容、光照变化等鲁棒性不强问题,提出一种基于多种纹理特征融合的图像拼接检测方法。对二维灰度图像执行非下采样轮廓波变换（NSCT）,以获得包含图像纹理特征的一系列子带图像。对在水平和垂直方向进行差分处理的低频子带图像以及4个高频图像,获取韦伯局部描述符（WLD）纹理和局部三值模式（LTP）纹理。将WLD纹理与灰度共生矩阵结合,得到像素点强度、梯度与灰度之间的关系;再将LTP纹理与灰度共生矩阵结合,得到无噪声和光照影响的像素点灰度间关系;最后分别提取WLD值共生矩阵和LTP值共生矩阵的对比度、相关性、相异度、熵、能量等5个特征,并融合成特征向量,使用RBF神经网络分类。该方法在哥伦比亚彩色图像库上检测准确率达到了95.7%。     

基于小波变换和微分算子的图像边缘检测

本文提出了一种检测彩色图像边缘的新方法,该方法先把彩色图像分解为红、绿、蓝三基色图像,然后利用小波变换对三基色图像分别进行多尺度的分解,提取其低频系数,用微分算子检测其图像边缘,最后利用多通道信息融合的办法将三基色的图像边缘融合在一起。通过一个实验说明了该方法的有效性。     

基于几何特征和支持向量机的人脸检测

针对人脸检测中的非线性和降维问题提出了一种有效的人脸检测方法。首先基于人脸的肤色和几何特征．通过局部自适应门限方法提取图象边缘，用几何规则和颜色特征筛选出候选眼睛块。然后采用改进的四边界sobel算子对眼睛精确定位。最后使用训练好的支撑向量机来验证。该方法可以实现多尺度多角度的彩色图像中的正面人脸检测，实验结果令人满意。     

一种应用于PCB裸板质量检测的图像拼接算法

在印刷电路板(PCB)裸板质量检测中,针对单次拍摄完整PCB裸板无法获取高分辨率、高精度图像的问题,根据机器视觉原理和数字图像处理技术设计并实现了一种针对PCB裸板质检的图像拼接算法。该算法首先利用SURF算子实现图像特征提取,然后在随机抽样一致算法的基础上优化匹配结果,最后采用保留PCB缺陷特征的改进加权融合方法进行图像融合,完成视觉系统中的PCB图像拼接。实验结果表明,该算法可以有效地对PCB裸板图像进行无缝拼接,同时能够将未拼接图像因精度低而漏检的瑕疵部分清晰展现并输出检测结果,以备后续对PCB裸板进行综合质检,可应用在公司实际产品检测中,具有良好的工程实用性。     

基于卷积神经网络的RGB-D SLAM回环检测研究

回环检测是视觉SLAM中不可或缺的一部分,正确检测出回环能有效减小移动机器人在定位和建图过程中产生的累计位置漂移问题。SLAM回环检测目前主要有词袋模型方法,具有良好的实时性,但人工特征具有对光照变化非常敏感等问题。针对这些问题,提出了深度学习和回环检测结合的方法,将卷积神经网络模型应用于SLAM回环检测中,并且通过模型对RGB-D图像进行特征提取,提出了两种图像融合方法,通过对比判断最佳措施;进而通过特征匹配来判断回环。与现有方法相比,本研究提出的方法达到了具有更高精确性和实时性的效果。     

基于注意力和梯度残差密集块的图像融合

本文提出了一种基于坐标注意力机制和梯度残差密集块的融合算法,利用普通卷积提取源图像的浅层特征,使用梯度残差密集块模块提取源图像深层特征和细粒度细节特征;使用坐标注意力模块捕获特征图中空间位置之间的远程依赖关系重,将融合后的特征利用解码器重建融合图像。实验结果说明本文提出的融合算法具有较好的融合性能。     

一种利用R/G值检测人脸的方法

在图像分析领域,对图像中人脸的检测和处理越来越受到重视,在许多地方被应用.如人脸的识别,人脸的分析,眼睛的检测,凝视的追踪等.经过对人脸肤色在RGB和HSV颜色空间中的分布情况的研究,提出一种利用R/G值来检测人脸的方法.