基于改进SSD的无人驾驶夜间目标检测

为提高SSD(single shot multibox detector)网络在夜间无人驾驶的目标检测性能,对SSD网络进行了改进:特征提取网络使用稠密连接卷积网络(Densenet)得到表征能力更强的特征图;卷积过程中进行特征图重利用,从而增加中小目标的信息;加入反卷积网络丰富特征图语义信息.试验的训练方法采用无预训...     

基于二值神经网络的SSD目标检测算法

针对SSD(Single Shot MultiBox Detector)目标检测算法存在的计算量过大、占用内存空间较多而影响检测速度的问题,提出一种融合二值神经网络的改进算法。将SSD算法的浮点型的参数以及激活函数进行二值化,降低算法的时间复杂度和空间复杂度。实验结果表明,所提算法能够在基本确保目标检测准确率的情况下,减少内存占用量并有效提高检测的速度。     

基于自注意力的SSD图像目标检测算法

基于深度学习的方法,运用单次多框检测器(SSD)目标检测框架和自注意力机制,针对施工人员佩戴安全帽数据集进行神经网络训练.通过调整原始SSD目标检测框架中的参数,并向SSD目标检测框架中添加自注意力模块来计算特征图中像素点之间相互影响,以提高算法对目标检测的关注度,扩大卷积神经网络的感受野,从而提高目标检测的准确率.实验结果表明:改进算法在应对小目标检测以及目标之间的遮挡方面有很好的适应性,同时与其他检测算法相比,检测成功率有明显提高.     

基于移动目标检测和目标追踪的全局视觉AGV的定位算法

针对目前全局视觉定位算法无法对外形变化较大的自动导引运输车(Automated Guided Vehicle,AGV)进行定位的问题,提出了一种基于移动目标检测和目标追踪的定位方式.选用基于高斯混合模型的背景建模法进行移动AGV检测,当初始选择框太大时采用显著性目标检测方式进一步提高精度,将移动目标检测与目标追踪相结合完成了AGV的定位.实验结果表明,本文设计的定位算法满足实际定位需求,可应用于车间物流AGV.     

基于SSD的低空监视雷达目标检测

针对空管自动化系统中民用飞行器难以被检测到的问题,提出了一种基于SSD(single shot multibox detector)的低空监视雷达目标检测方法.为了准确描述目标特征,首先,将MTD(moving targets detection,运动目标检测)图像经过扩展并分块后作为训练样本直接输入到SSD网络;其次...     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题,提出一种基于Harris-Hist的快速特征匹配及目标定位算法.首先,采用Harris检测算法提取图像特征点;然后,提出一种新的特征点描述子定义方法,计算特征点圆形邻域内像素点灰度直方图刻画特征点,通过计算两幅图像中各特征点描述子间的距离实现特征匹配;最后,根据匹...     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于声音能量的单目标定位

探讨运用传感器测量到的单个目标的声音信号能量来实现目标定位的算法。     

基于单幅图像目标空间定位的算法研究

在照相机、摄像机内部参数未知的情况下,提出了一种新的由单幅二雏投影图像来进行空间定位的方法,即采用目标上共面四线与其在二维图像上投影相匹配的策略,来实现目标的定位.其基本步骤包括:图像预处理;用Prewitt算子提取边缘;通过基于轮廓特征和拓扑关系的区域分割方法来确定要处理的图像区域;对相机内参数进行标定;实现二维图像...     

基于数学形态学的弱小目标检测算法

提出了一种基于数学形态学和邻域搜索的弱小目标检测方法,该方法先利用弱小目标的灰度特征,采用数学形态学算法对单帧图像进行预处理,检测出可疑目标集合.然后利用弱小目标的运动特征,采用邻域搜索的方法对多帧序列图像进行后处理,检测出真实目标.     

时间平均改进的UWB精确定位算法

超宽带(UWB)技术在无线定位的应用上具有很大的优势.针对UWB定位算法在短距离时精度不高的问题,提出了时间平均的改进算法.仿真结果表明,采用不同的时间平均次数,改进算法可使定位精度由传统算法的1.1 m提高到0.2～0.6 m.     

一种基于改进帧差法的运动目标检测

针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。     

基于改进单步多框目标检测的道路小目标检测算法

针对SSD目标检测算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,本文提出一种改进的SSD目标检测算法。本算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感受野,以获取更多小目标的特征信息;然后在主干网络后加入4次U型特征提取结构,构建4个不同层级的特征金字塔,最后合并成一个多层级特征金字塔用于检测。结果表明,该改进SSD模型在KITTI数据集上的检测精度较原始SSD模型提升了6%,检测速度达到了每秒27.9帧。在兼顾检测效率的同时,有效提高了对道路上小目标的检测精度,更适用于自动驾驶领域。     

基于改进YOLOv5的鱼眼图像目标检测算法

针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.     

一种改进的基于平均背景模型的运动目标检测算法

通过实验仿真分析探讨了基于背景差分法的两种运动目标检测算法(平均背景模型法和codebook 模型法)的性能和存在问题,并在此基础上提出了一种改进的平均背景模型的算法.算法采用当前图像与背景相减后差分图像的灰度直方图进行阈值的选取,同时引进新的背景更新方法,由分割得到的前景图像来控制背景更新的区域,实验结果表明,改进后...     

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整的检测出运动目标,但检测出的运动目标边缘不准确,同时易受到阴影的干扰。针对这一问题,本文提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YCrCb色彩空间的阴影去除算法消除阴影;然后根据Canny边缘检测算子和形态学闭运算获取运动目标的边缘轮廓。将阴影去除得到的运动目标与边缘检测得到的边缘轮廓进行“与运算”,得到最终的运动目标。经过实验仿真,本算法能够提取边缘轮廓准确和完整的运动目标, 同时能有效的抑制噪声。     

基于PCA算法的物体图像信息搜索系统

根据图像查询物体信息是图像分析的一个研究方向,也是目前搜索系统研究的难点之一。在对PCA算法图像识别技术研究的基础上,提出了一种新型的图像信息搜索系统。该系统应用PCA识别算法,采用"图查图"功能,以实现静态物体图像及基本信息获取的便捷化。     

基于改进ViBe的多行人检测方法

利用改进的Vi Be算法及模板匹配方法对多行人场景进行了目标检测.为了提高运动目标检测性能,提出将原Vi Be算法与帧间差分相结合的方法,该方法使二值图像中的鬼影比原Vi Be算法消除更为迅速.根据待处理像素点周围已完成的前背景分离结果,利用动态计算模型参数估计前背景,以提高前景目标提取的准确度.基于HOG算法识别运动目标中的行人目标.实验结果表明,该方法在没有降低运动物体检测实时性的同时,明显提高了算法检测的准确度.     

改进YOLOv3的行人车辆目标检测算法

针对YOLOv3(you only look once version 3)对中小目标检测效果不理想的问题,提出改进算法DX-YOLO(densely ResneXt with YOLOv3).首先对YOLOv3的特征提取网络Darknet-53进行改进,使用ResneXt残差模块替换原有残差模块,优化了卷积网络结构;...     

基于优化查询的改进显著性检测算法

传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的 结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。 首先,对图像进行超像素分割,充分利用图像的中层信息; 其次,对图像利用流行排序算法计算图像显著图; 最后,对显著性结果进行处理,选取更优的查询点,得到最终显著图。在CSSD( Complex Scene Saliency Datase) 和ECSSD( Extended Complex Scene Saliency Datese) 数据集上与8 种算法进行比较,实验结果表明,该算法具有 更高的检测准确率。