探地雷达目标检测中的加窗统计量定位方法

 目标检测与定位是探地雷达的一个重要问题。目前,多数检测与定位方法都是通过判断探地雷达信号中的双曲线特征实现的。在检测目标大致区域的基础上,要实现目标定位,无论是合成孔径算法还是叠加-幅度波速法,都存在计算量大的问题。现有的统计量方法还需依赖霍夫变换方法检测出双曲线,算法也较复杂。根据探测背景介质结构相似及在探测方向上利用整个A-scan进行统计量计算干扰较大的特点,提出了一种探地雷达目标快速定位方法。首先以能量和方差为统计量,在深度方向上判断出目标区域的时间窗口,而后在探测方向对A-scan加窗,只选择该窗口下的部分A-scan数据,以能量为统计量确定目标的位置。由于仅采用方差、能量两个统计量进行计算,算法实现比较简单,并且采用时间加窗方法去除了回波数据上大部分与目标无关数据的干扰,对目标的定位准确度较高。实测数据表明,该方法适用于探地雷达目标检测中对目标的快速准确定位。     

探地雷达检测混凝土含水率试验研究

混凝土含水率对混凝土材料和结构性能有很大影响,但其无损检测技术不能满足实际需要.雷达电磁波的传播速度主要由材料介电常数决定,而影响混凝土材料介电常数主要是其含水率.本文对探地雷达检测混凝土含水率技术进行研究,采用干燥法得到混凝土试块含水率,利用探地雷达测得雷达波在混凝土板中的波速,得到了探地雷达波速和混凝土含水率的关系,发现探地雷达波速和混凝土含水率具有良好的线性关系.     

软土盾构隧道施工沉陷的探地雷达检测

探地雷达利用高频电磁脉冲波的反射原理,可用于建筑物裂缝、地层孔洞或沉陷的探测.文章采用探地雷达法对上海地铁2号线延长线川沙东-航殷路软土段盾构隧道和隧道上部地表进行了无损检测和评价,探测结果表明: 552～576 m区段盾构隧道衬砌周围土层出现松动状况,由于盾构施工,隧道衬砌上部土体之间存在间隙,导致地表不均匀沉降;684～720 m区段隧道上部覆盖层土体较为松散,隧道左轴线处可能存在孔隙区,因而导致沉降和灌浆激增.     

探地雷达检测隧道衬砌质量的应用

探地雷达无损检测方法正在被越来越多的运用于工程检测领域,本文采用探地雷达对洛南高速上台隧道的初衬及二衬施工质量进行了检测,建立了隧道施工质量检测的典型雷达图像,具有一定的工程检测参考意义。     

浅析探地雷达检测渠道混凝土厚度的方法及应用

目前，河南省灌区渠道一般采用混凝土防渗面板，由于施工水平的影响，混凝土防渗面板的厚度难以控制，进而对灌区渠道的防渗产生了影响，渠道战线长，如何检测其混凝土面板的厚度是个值得研究的课题，本文介绍了探地雷达检测混凝土厚度的基本原理和方法，并结合实际工程进行了应用，结果表明，探地雷达检测技术检测效率高，尤其对较薄的混凝土面板具有很高的分辨率，在实际工程中能够很好地推广应用。     

基于ICA的步进频率探地雷达目标信息提取研究

基于独立成分分析较强的信号分析能力,提出了一种针对步进频率探地雷达的独立成分分析与中值滤波处理相结合的目标信息提取方法,从进频率探地雷达回波信号中提取出目标信息.通过对实测数据的处理,结果表明该方法取得了较好的效果.     

引滦入津输水隧洞混凝土衬砌质量的探地雷达检测

介绍了探地雷达法检测隧道衬砌质量的原理、方法.引滦入津输水隧洞混凝土衬砌质量的探地雷达检测结果表明,探地雷达法能够快速、准确地发现混凝土衬砌质量问题所在,为工程质量评价提供科学依据,是隧道混凝土无损检测的一种好方法,为类似的工程检测提供一个适用的参考及借鉴.     

探地雷达检测引水隧洞灌浆密实度可行性分析

进行探地雷达在引水隧洞灌浆密实度检测中的理论分析,分别从探地雷达的工作原理和探地雷达在工程中的超前预报进行探讨,结合实例论证探地雷达在引水隧洞灌浆密实度检测中的可行性。     

基于深度学习的目标检测算法综述

目标识别和定位是计算机视觉领域研究的主要问题,图像分割、目标跟踪、目标行为分析等都是以图像中的目标检测为基础的.随着深度学习技术的发展,目标检测算法取得了巨大突破.在广泛调研相关文献的基础上,对目标检测算法进行分析和对比,分别研究基于区域提取的两阶段目标检测架构和直接位置回归的一阶段目标检测架构的本质特点和发展过程,并提出未来的发展方向.     

基于改进RFBNet算法的遥感图像目标检测

针对遥感图像中的小目标存在信息少、易受背景干扰、特征表达较弱等缺陷,导致目前通用目标检测算法在对这类小目标进行检测时效果不理想的问题,为提高对遥感图像中小目标的检测能力,提出一种基于RFBNet的改进算法.该算法以RFBNet为框架,首先利用自校正卷积取代特征提取网络中的常规卷积,以扩展感受野丰富输出,进而强化对弱特征...     

基于探地雷达的复垦土壤层次无损探测研究

耕地资源紧是中国面临的现实问题,土地复垦作为补充耕地的重要手段之一,复垦后耕地的表土层厚度直接影响工程质量,特别是薄表土地区覆土厚度检查是关键.传统的检验方法费时费力.针对上述问题,选择微波遥测仪器--探地雷达为工具进行了土层结构无损探测的室外模型实验.构建模型自下而上依次为原状土(40 cm)、粗砂(25 cm)、土(15 cm)和细砂130 cm),中心天线频率为500 MHz,测量方法为共剖面法.通过对雷达图像分析,各层介质探测差值小于5 cm,表明探地雷达能够有效探测土层结构,可以用于土地复垦工程土层厚度的验收工作;同时,尝试对实验的时间-振幅和频率-振幅进行分析,通过时间-振幅图可以看出,振幅在0.95、7.15、9.93、15.7和17.50 ns附近发生了5次明显变化,能够更加直观地解译雷达信号;通过频率-振幅图可以看出,在频率达到470.10 MHz时,振幅最大为1 821,电磁波最有效,可为探地雷达设备选择提供理论支持.     

基于YOLO改进算法的安全帽和口罩佩戴自动同时检测

针对工地、危险区域等场景需要实现同时佩戴安全帽与口罩的自动检测问题,提出一种改进的YOLOv3算法以提高同时检测安全帽和口罩佩戴的准确率.首先,对网络模型中的聚类算法进行优化,使用加权核K-means聚类算法对训练数据集聚类分析,选取更适合小目标检测的Anchor Box,以提高检测的平均精度和速度;然后,优化YOLO...     

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;受DenseNet的启发,在Darknet-53中引入密集连接,实现了特征重用,提高了提取特征的效率;根据数据集的特点,利用K-means算法对数据集进行维度聚类,获得合适的预选框.在行人车辆数据集Udacity上进行实验,结果表明:DX-YOLO算法与YOLOv3相比,平均准确率(mean average precision,mAP)提升了3.42％;特别地,在中等目标和小目标上的平均精度(average precision,AP)分别提升了2.74％和5.98％.     

基于YOLO改进算法的远程塔台运动目标检测

远程塔台由于其低成本高时效远程实时控制技术正越来越受到民航业界的青睐,其中运动目标自动检测和显示是远程塔台的核心技术,作为增强现实技术更好地为管制员提供服务。本文在分析了远程塔台机场场面背景复杂、场面目标多为远场景、小目标等特点基础上,提出了一种改进的YOLO算法来实现远程塔台运动目标的检测,算法核心思想以Darknet-53为基础网络,多尺度预测边界框,以运动目标图像坐标（x,y）的偏移量作为边框长宽的线性变换来实现边框的回归,改善了传统YOLO算法损失函数不同大小的边框未做区分的问题,提高了检测准确性和速度。机场真实数据实验表明,该算法能快速、准确的检测出远程塔台的运动目标,并准确的回归运动目标边框及分类。     

结合目标检测与特征匹配的多目标跟踪算法

针对多目标跟踪算法在遮挡频繁的场景下存在目标关联准确性低的问题,提出一种结合检测与特征匹配的多目标跟踪算法. 该算法引入检测精度较高的YOLOv5作为多目标跟踪的检测器,能够精准定位目标,有效提高跟踪精度;在面对目标间遮挡时,通过专门设计特征匹配模型提取更为细致的特征,能够有效降低跟踪时目标ID的切换次数.在MOT16数据集上对跟踪性能进行评估,结果表明:所提方法可以有效缓解目标遮挡,实现稳定跟踪.     

基于改进YOLOv4算法的铁路扣件检测

扣件的健康状态是保障轨道车辆正常运行的关键。当前人工检测轨道扣件效率较低,具有缺陷性。针对这一问题,提出了基于改进YOLOv4算法的轨道扣件与检测。在YOLOv4网络中,利用CSPDarknet53第二个残差块嵌入conv卷积结构与YOLO头部结构,增加输出端,并进行网络中的上采样与下采样。与YOLOv4原算法模型相比,提升了准确率与检出率。将使用改进YOLOv4的方法,实现对有砟轨道与无砟轨道上扣件的状态检测。试验结果表明：基于改进YOLOv4算法检出率和准确率比原YOLOv4算法分别提升4.65%和4.88%,并且YOLOv4模型体积与其他模型相比更小,适用于轨道扣件检测。     

基于改进YOLOv5算法的复杂场景交通目标检测

实时的交通场景目标检测是实现电子监控、自动驾驶等功能的先决条件.针对现有的目标检测算法检测效率不高,以及大多数轻量化目标检测算法模型精度较低,容易误检、漏检目标的问题,本文通过改进YOLOv5目标检测算法来进行模型训练,再使用伪标签策略对训练过程进行优化,然后在KITTI交通目标数据集上将标签合并为3类,对训练出的模型进行测试.实验结果表明,改进的YOLOv5最终模型在该所有类别上的mAP达到了92.5％,对比原YOLOv5训练的模型提高了3％.最后将训练的模型部署到Jetson Nano嵌入式平台上进行推理测试,并通过TensorRT加速推理,测得平均每帧图像的推理时间为77ms,可以实现实时检测的目标.     

基于改进的CNN-LSTM的DGA域名检测算法

近年来,网络安全问题层出不穷,其中僵尸网络是造成网络瘫痪的重要原因之一。僵 尸网络利用域名生成算法（DGA）生成大量恶意域名进行网络攻击,对网络安全造成威胁。现有的 DGA域名主要分为字典型和字符型,传统的深度学习方法无法同时检测出两种类型的DGA域名, 尤其是无法检测出基于字典的DGA域名。针对这个问题,本文提出了改进的CNN-LSTM的DGA 域名检测算法,该算法融合了卷积神经网络（CNN）、注意力机制和双向长短时记忆网络（BiLSTM）, 可以同时检测出两种类型的DGA域名。最后进行了不同算法的对比实验,实验结果表明,与其他 深度学习模型相比,该算法提高了DGA域名的二分类和多分类的准确率和F1值。在多分类实验 中,通过改进损失函数,提高了小样本数据的域名检测率。     

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。     

基于模糊-神经网络的肤色像素检测算法

 肤色像素检测技术是成人图像识别、人脸识别等与人体相关的图像识别系统的基础和重要组成部分。为了提高肤色像素检测的准确度,本文提出一种模糊理论与FP神经网络（Forward Propagation Neural Network）相结合的肤色像素检测算法。算法首先通过模糊理论和直觉模糊理论提取待识别像素的颜色特征,构成特征向量,其中包括像素对常见肤色像素颜色值的隶属度和犹豫度,为完整的表达肤色像素的特征,再加入粗糙度特征进行补充;然后训练出FP神经网络,对所提取的特征向量进行肤色像素与非肤色像素的分类。实验证明,该算法能够提高肤色像素检测的准确度,可以有效地应用在有关人体的识别系统中。