密集行人检测方法研究

针对现有行人检测算法面对遮挡、尺度不一等问题表现出来漏检率和误检率高的情况,提出一种基于改进YOLOv5的密集行人检测方法Improved-YOLOv5.采用改进BIFPN网络替换原有PANet,增强特征融合网络对于特征信息的利用率和对于小尺度行人的关注度.采用EIoU Loss替换原有CIoU Loss,提高模型的回归精度和收敛速度.提出一种新的后处理算法T-NMS,通过增加一个额外的阈值,提高模型对于密集场景下行人密度的区分能力,并在模型开销增加不大的前提下降低了漏检率.实验结果表明,在Citypersons数据集上,所提密集行人检测方法Improved-YOLOv5相比原YOLOv5算法在不同程度遮挡的子集上检测效果均有明显提升,尤其是高遮挡Heavy子集的MR^-2降低了4.2%,达到53.1%,表明改进方法在密集行人检测中具有较好的性能.     

结合纹理特征和深度学习的行人检测算法

针对行人检测算法中存在特征鲁棒性差及分类器拟合非线性数据能力弱等问题,提出一种基于纹理特征和深度学习分类算法的行人检测方法.提出一种改进的GSRLBP纹理特征提取算法,提取行人图像的局部纹理特征,通过获取像素点的梯度信息结合GSRLBP算法消除微小扰动对行人特征提取的影响,进一步增强特征提取的鲁棒性.搭建基于深信度网络的深度学习行人样本分类器,利用多层受限波兹曼机搭建分类器输入端和中间层,将行人纹理特征信息逐层转化和传递,实现特征数据的自学习,利用BP神经网络搭建分类器的输出端,实现分类器结构的自优化.研究结果表明,该算法可行、有效,且性能优于经典浅层机器学习行人检测算法.     

基于RGB-D多通道特征的行人检测

针对行人检测易受物体遮挡以及光照变化干扰的问题,提出一种融合颜色与深度信息的多通道特征行人检测方法.首先,颜色采用Chn Ftrs方法中的通道,深度在其基础上引入法向量方向通道,并用快速图像特征金字塔来加速颜色和深度的通道特征的计算.其次,通道特征作为级联Ada Boost的候选特征点集输入,分别训练得到颜色和深度分类器,按一定比例权重融合颜色和深度信息进行检测.实验表明,该方法提高了检测精度,对光照变化、物体遮挡具有较好的鲁棒性.     

基于边缘特征点筛选的被遮挡盲道检测算法

针对传统盲道检测算法在实际应用场景中准确率低,鲁棒性不强等问题,提出一种基于边缘特征点筛选的被遮挡盲道检测算法。首先提取盲道区域,主要包括基于颜色筛选与单通道二值化结合的粗提取和基于GrabCut算法的精确提取;然后对盲道图像进行预处理、边缘检测和直线检测,提取出若干盲道边界候选线;通过计算候选线在各个方向角度的边缘特征点数目,判断该候选线是否为真正的盲道边界。实验结果表明,无论是否有落叶遮挡,该算法都能够精确提取盲道区域,准确检测出盲道边界,且有较好的实时性与抗干扰性。     

基于支持向量机优化的行人跟踪学习检测方法

提出一种基于SVM(Support Vector Machine)优化的TLD(Track-LearningDetection)行人检测跟踪算法.将行人作为正样本,背景作为负样本,提取出行人的HOG特征并投入线性SVM中进行训练,得到行人检测分类器,并标定出目标区域,实现行人自动识别;然后在TLD算法的基础上对行人进行跟踪和在线学习,估计检测出的正负样本并实时修正检测器在当前帧中的误检,利用相邻帧间特征点配准剔除误配点,同时更新跟踪器数据,以避免后续出现类似错误.实验表明,该算法能够适应遮挡变化且自动识别并稳定跟踪目标行人,较传统跟踪算法具有更强的鲁棒性.     

移动机器人部分遮挡条件下多部件行人跟踪算法

针对复杂街道环境中的交通标志与公共设施对行人造成不同程度的遮挡而致使移动机器人跟踪目标失败,提出一种多部件粒子滤波器行人跟踪方法,引入弹簧弹力负载决策,降低单一跟踪器的错误风险,增强部分遮挡条件下的视觉目标跟踪鲁棒性。仿真分析表明,该算法能够在行人部分遮挡时呈现较好跟踪效果,降低街道复杂背景环境对跟踪的影响,为后续移动机器人视觉目标避障等应用提供支撑。     

基于改进AdaBoost算法的行人检测方法

基于传统AdaBoost算法的识别率和误报率同时低的原因。提出一种改进AdaBoost算法的行人检测方法,采用类Haar特征作为行人特征,引入误报率来更新样本权重,使得识别率降低得更慢,实现一个级联的行人检测分类器。相比于传统AdaBoost算法,改进算法不仅取得较优的识别率,并且可以降低分类器训练的层数。实验证明了改进算法的有效性。     

基于分水岭变换的互相遮挡交通标志自适应分离

针对交通标志检测中标志互相遮挡导致检测性能下降的问题,提出一种基于分水岭变换的互相遮挡标志自适应分离算法.基于RGB归一化阈值分割算法对标志图像进行二值化处理,然后构造区域轮廓特征矢量对二值图像中各个兴趣区域进行匹配,确定并提取互相遮挡标志候选区域Blob.对提取的低维数Blob进行形态学膨胀处理,使不连续的边缘趋于连续,然后利用欧氏距离变换和分水岭变换寻求标志间分水岭脊线,利用脊线实现标志的自适应分离.实验结果表明算法取得较好的分离效果,在整个标志检测应用中,与现有算法相比,检测率提高了6.1%,处理速度提升了近3倍.     

基于全局和局部卷积特征融合的车辆目标检测

复杂环境下现有的车辆检测算法容易受尺度变化、遮挡以及复杂背景等因素影响,检测效果不理想,提出了一种融合全局和局部深度卷积特征的车辆检测算法。基于卷积神经网络构建车辆检测网络模型,通过建立多尺度感兴趣区域池化层(ROIPooling)获得图像整体结构和上下文信息,提取出目标的全局特征,并利用位置敏感感兴趣区域池化层(PSROIPooling)提取出目标局部特征,在全连接层处对全局和局部特征进行加权融合,最后通过多任务学习联合预测出车辆位置和类别。实验结果表明全局和局部特征具有较好的互补性,与多种主流检测算法相比,本算法具有更强的鲁棒性和准确性。     

基于多特征的AdaBoost行人检测算法

针对单特征辨识度较低问题,基于多特征的AdaBoost行人检测算法,提出一种融合灰度和轮廓信息的新的多特征综合表示方法.该方法通过统计样本的权重直方图建立分类模型,并用多个直方图的乘积表示样本在多特征下对应的联合概率分布,从而基于多特征联合概率更精准地描述行人,提高行人检测的鲁棒性.实验结果表明,改进后的基于多特征行人检测算法提高了行人检测精度、降低了误检率,目标识别的置信度明显提高,在多变的自然背景下可以取得较好的效果.     

特征造型研究

特征识别和特征实例化是特征造型的核心．论述了特征识别和特征实例化的基本理论及其实现方法，介绍了表达特征拓扑关系的几种基本方式，给出了特征识别的主要程序流程图、特征实例化的主要步骤．以及部分输出结果．     

基于特征技术的轴类零件CAD系统设计

介绍了借助Ｒｒｏ／Ｔｏｏｌｋｉｔ开发包在Ｐｒｏ／Ｅｎｇｉｎｅｅｒ软件平台上开发一基于特征技术的轴类零件ＣＡＤ系统,该系统界面友好,设计方便,高效,产品模型信息完备,为ＣＡＤ／ＣＡＰＰ／ＣＡＭ／ＣＡＥ的集成提供了信息源,本文对本系统的实际应用进行了特征定义,分类,并建立了特征库,且对ＰＤＭ技术和设计智能化进行了研究探索。     

基于特征的参数化造型的思想

介绍将参数化设计应用到特征以及特征造型中去,形成参数化的特征,并可参数化地造型。利用面向对象的技术,将造型中的特征所需要的信息封装,并可以通过继承衍生出新的特征。它融合了参数化的灵活性、特征的丰富信息以及面向对象技术的封装和继承。     

语义特征造型的研究

提高特征编辑的效率是基于特征的参数化系统的关键技术．本文提出一个基于边界模型(B_rep)、构造历程树(CSG)和特征描述图(FDG)的特征模型．基于FDG的特征设计和编辑克服了传统特征造型系统的时序性和历史流的管理顺序，是一个与历程无关、非时序性的特征造型技术．     

基于多尺度特征选择与融合的目标检测方法

针对多尺度目标检测中特征图特征混淆和特征丰富程度不足的问题,提出一种基于多尺度特征选择与融合的目标检测算法。设计了一个特征选择模块来分离出不相关的特征,并结合特征金字塔网络形成特征选择网络结构,降低特征图中不同尺度目标的局部特征对当前尺度特征的干扰;提出一种浅层特征融合方法,将浅层特征逐级融合到较深层级特征中,解决特征图的特征不够丰富问题。结合特征选择架构和浅层特征融合架构,在PASCAL-VOC2007数据集上进行测试,结果mAP达到了80.1%。相较于基础的单阶段目标检测(single shot detection,SSD),所提算法的网络性能可提高2.9%,且在一些小目标和遮挡目标的检测效果上有明显的提升。通过对比和消融实验,证明了所提方法的有效性。     

基于特征融合的改进粒子滤波目标跟踪算法

针对复杂背景下单一的颜色特征不能准确跟踪目标的问题,提出了一种改进的目标跟踪算法。该算法利用跟踪目标的颜色特征和运动边缘特征来表示目标。在粒子滤波的框架下融合特征信息从而进行目标跟踪,能够有效地避免单一颜色特征在跟踪过程中受到相似背景、遮挡等问题的干扰。通过与基于单一颜色特征跟踪实验误差数据的分析,实验结果表明该算法在复杂背景以及目标遮挡等情况下能达到较好的目标跟踪效果,实现目标的准确跟踪。     

一种基于综合特征的鞋底图像识别方法

本文提出了一种基于综合特征的鞋底识别方法,即提取鞋底的形状、直方图、纹理特征,将这些特征进行内部和外部归一化形成鞋底图像的综合特征.实验结果表明根据鞋底图像综合特征进行识别是很有效的.     

基于特征约束的 CAD 技术研究

特征设计是当前解决ＣＡＤ／ＣＡＭ集成的重要方法之一．但目前特征的描述及特征建模的方法还不能解决ＣＡＤ／ＣＡＭ集成过程中提出的问题．这些问题包括特征库中特征类的简化、特征灵活性与变化性,设计特征映射成加工特征的困难等等．现提出一种特征约束建模的方法,能较好地解决上述问题,并给出基于这种建模的ＣＡＤ系统的结构．     

微机平台的特征造型技术研究

基于特征的零件建模比三维实体几何造型具有许多显著的优点，它是目前实现CAD／CAPP／CAM一体化的前沿技术．本文重点讨论了特征造型所涉及的特征集及其数据结构、特征识别、特征实例化、特征关系、加工特征库以及零件特征模型中的主要内容和技术关键，并给出来一个典型实例及其输出文件．     

文本聚类中的特征降维方法研究

文本聚类的关键是对高维的特征集进行降维．本文对常用的一些特征选择、特征抽取等主流特征降维方法进行了介绍,分析了它们各自的特点及其适用范围．