面向低光照环境的车辆目标检测方法 被引量：3

1

作者 孔烜 彭佳强 +3 位作者 张杰 戴剑军 潘思宇 吴政奇 《湖南大学学报(自然科学版)》 北大核心 2025年第1期187-195,共9页

在智慧交通系统和城市安全领域中,准确获取车辆信息至关重要.通过视频或图像等视觉识别手段可以直接获取车辆相关信息.然而,在低光照环境下,图像亮度和对比度降低、噪声增加、图像细节特征易丢失,这些问题导致车辆目标检测算法的精度大... 在智慧交通系统和城市安全领域中,准确获取车辆信息至关重要.通过视频或图像等视觉识别手段可以直接获取车辆相关信息.然而,在低光照环境下,图像亮度和对比度降低、噪声增加、图像细节特征易丢失,这些问题导致车辆目标检测算法的精度大大降低.为此,提出了一种基于低光照图像增强算法和改进目标检测算法的车辆检测方法.首先,利用图像增强算法ZeroDCE对低光照图像进行增强,以提升图像亮度;然后,利用改进的AFF-YOLO目标检测网络对增强后的图像进行车辆检测;最后,将本文方法在车辆数据集上进行测试,并分析不同低光照等级对于车辆检测精度的影响.结果表明,本文方法能够有效提升车辆目标检测的精度,与低光照图像相比,增强后图像的目标检测精度mAP@0.5提升了4.9%,达到94.7%;而且光照强度越低,增强后图像的目标检测精度提升越显著.研究成果可为低照度环境下的车辆检测提供参考. 展开更多

关键词 车辆检测 计算机视觉 低光照环境 图像增强 目标检测

在线阅读 下载PDF 职称材料

低光环境下无人矿卡遮挡目标检测网络

2

作者 徐飞翔 张瑞 +3 位作者 程德强 钱建生 寇旗旗 周晨 《煤炭学报》 北大核心 2025年第10期4691-4706,共16页

无人矿卡常需在低光环境下进行自主作业,而准确可靠的目标检测性能是保证其安全作业的前提。然而,露天矿区环境极为复杂,常出现目标被大面积遮挡,且无人矿卡与其他待检目标,如工作人员等存在多尺度特征互扰,这给低光环境下无人矿卡的遮... 无人矿卡常需在低光环境下进行自主作业,而准确可靠的目标检测性能是保证其安全作业的前提。然而,露天矿区环境极为复杂,常出现目标被大面积遮挡,且无人矿卡与其他待检目标,如工作人员等存在多尺度特征互扰,这给低光环境下无人矿卡的遮挡目标检测带来了极大挑战。为此,提出了一种低光环境下无人矿卡遮挡目标检测网络LECODNet。首先,该网络设计了一个多感受野边缘感知模块,提取出富含局部细节信息与全局语义位置信息的边缘特征,强化目标边界信息;其次,构建了一个边缘引导特征增强模块,将提取的边缘特征作为结构先验,引导模型更聚焦目标区域;然后,在此基础上嵌入了通道感知映射注意力机制,增强了目标特征的表达能力;最后,在网络颈部部分设计了一个双向空间感知C2f,从水平方向与垂直方向同时捕捉目标空间上下文信息,增加模型对目标空间结构位置信息的感知能力。大量的试验结果表明,在自制低光环境下无人矿卡遮挡目标检测数据集LAOMD上,LECODNet的检测精度mAP@0.5与mAP@0.5∶0.95达到了83.5%与71.2%。相较于基线模型YOLOv8,分别提高了3.3%与2.3%;相较于目前主流的低光照遮挡目标检测模型FeatEnhancer,其mAP@0.5与mAP@0.5∶0.95分别提高了1.9%与1.5%。试验结果表明,所提方法可以有效增加目标区域的感知与特征表达,同时增强对空间结构关系的建模能力,有效提高低光遮挡环境下无人矿卡的目标检测性能。 展开更多

关键词 无人矿卡 遮挡目标检测 低光图像 多感受野边缘感知 边缘引导特征增强

在线阅读 下载PDF 职称材料

基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法 被引量：8

3

作者 田子建 吴佳奇 +3 位作者 张文琪 陈伟 杨伟 王帅 《电网技术》 EI CSCD 北大核心 2024年第3期1331-1340,共10页

从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行... 从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行图像预处理方法,再使用YOLOv7-OL作为故障检测模块检测小目标绝缘子故障。在二阶段目标增强网络(two-stage object enhancement network,TOE-Net)中,设计零目标图像增强损失函数实现预增强网络(preparation enhancement network,PreEnNet)和深度增强网络(deep enhancement network,DeepEnNet)的无监督学习;使用信道级注意力模块跳跃式通道注意力机制(skip squeeze excitation networt,Skip_SENet)和跳跃式通道注意力机制(skip convolutional block attention module,Skip_CBAM)模块改进原始小目标特征增强单次多框检测算法(small object detection enhancement single shot multiBox detector,SDE-SSD),从而提升定位网络的小目标检测能力;设计弱监督机制使预增强网络根据小目标特征增强SSD的要求来提升图像增强能力,直到小目标特征增强SSD能够从增强图像中准确定位绝缘子串位置;使用深度增强网络深度增强绝缘子串区域,提升各类故障的特征显著性。故障检测模块中,将YOLOv7目标检测算法改进为面向小目标YOLOv7,在原模型中添加结合多尺度特征自适应融合网络的小目标检测通道,并将原始损失函数的CIOU改进为BIOU,从而提高模型的小目标检测性能。在低照度环境绝缘子故障检测实验中,该算法与5种目前常用目标检测算法相比具有较大优势,并且相较于低光目标检测算法IA-YOLO、GenISP with RetinaNet,m AP提升9.77%、10.35%,检测速度提升7.23%、10.16%,证明该算法适用于低照度复杂环境下小目标绝缘子故障检测任务;在正常光照绝缘子故障检测实验中该算法仍保持出色性能,证明该算法能够实现常规光照条件下绝缘子小目标故障检测。 展开更多

关键词 绝缘子故障检测 低光复杂环境目标检测 小目标检测 二阶段目标增强网络 弱监督机制 零目标图像增强损失函数 小目标特征增强SSD YOLOv7小目标检测算法

在线阅读 下载PDF 职称材料

DPRT-YOLO:智能网联汽车复杂驾驶环境实时目标检测器 被引量：1

4

作者 董一兵 曾辉 +2 位作者 李建科 侯少杰 石磊 《计算机工程与应用》 北大核心 2025年第14期148-162,共15页

目标检测是智能网联汽车视觉感知系统的一项基本任务,可为先进驾驶辅助系统提供基础数据和决策依据。然而,在低光照和恶劣天气等复杂环境中,车载目标检测算法面临小目标检测性能不佳、漏检率和误检率偏高的挑战。针对这一挑战,发展了一... 目标检测是智能网联汽车视觉感知系统的一项基本任务,可为先进驾驶辅助系统提供基础数据和决策依据。然而,在低光照和恶劣天气等复杂环境中,车载目标检测算法面临小目标检测性能不佳、漏检率和误检率偏高的挑战。针对这一挑战,发展了一种面向智能网联汽车的实时目标检测器(DPRT-YOLO),通过对流行的YOLOv10模型进行改造,使其更加适用于复杂驾驶环境中的目标检测任务,并通过在NVIDIA边缘计算平台上开展消融和对比实验,验证了算法的有效性。设计了增强加权多分支特征融合网络(EWMFFN),引入浅层加权融合和多分支加权融合模块,消除特征融合过程中的层间干扰,设计星形拓扑特征交互结构,提升模型对小尺度目标的检测能力,同时保持了网络结构的轻量化设计。融合卷积门控线性单元(convolutional gated linear units,CGLU)与卷积加法自注意力(convolutional additive token mixer,CATM),通过局部-全局双通路机制建立小目标尺度信息的长期上下文关系并保持模型的轻量化。为了评估模型在真实算力场景中的检测性能,将其部署在NVIDIA Jetson Xavier Nx平台上,采用NVIDIA TensorRT FP16量化加速,在BDD100K和TT100K测试集上开展推理实验,并与基准模型进行对比,结果显示:(1)检测精度方面,与YOLOv10n和YOLO11n相比,改进模型的mAP@0.5指标分别提升了6.1和7.4个百分点,mAP@0.5:0.95指标分别提升了3.6和4.2个百分点,同时,参数量分别降低了26.1%和34.9%。(2)检测速度方面,改进模型Small和Nano两种版本的推理速度分别达到了29 FPS和35 FPS。实验结果表明:与参考模型相比,改进算法在复杂驾驶环境中的表现更加优异,在检测精度与检测速度之间达到了更好的平衡,适于部署在智能网联汽车的环境感知系统中。 展开更多

关键词 实时目标检测 复杂驾驶环境 DPRT-YOLO 多尺度特征融合 TRANSFORMER

在线阅读 下载PDF 职称材料

具备红外感知的低光场景目标检测

5

作者 张志佳 那惺奇 +2 位作者 肖宇航 房建 赵怀慈 《沈阳工业大学学报》 北大核心 2025年第4期417-424,共8页

【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因... 【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因在于可见光图像在低光条件下信息丢失严重,导致目标特征难以提取。为解决这一问题,提出了基于可见光图像和红外图像的多模态目标检测技术,该技术能够有效改善低光场景下的目标检测性能。然而,多模态检测技术的成本较高,需要对不同模态的图像进行精确配准,计算量较大,从而增加了实现难度和处理负担。基于此,提出了一种具备红外感知的目标检测网络(InSCnet),旨在通过一个可见光相机来预测红外热辐射特征,在不增加模态的情况下提升网络在低光场景下的目标检测能力。【方法】InSCnet以可见光图像为输入,通过红外预测分支(IPB)生成红外图像来预测热辐射特征,从而增强网络对低光场景的感知能力。为了有效融合多尺度视觉和热辐射特征,设计了互补融合滤波(COFF)模块。COFF通过互补融合这两种特征,增强特征间的互补性,避免了网络对单一模态特征的过度依赖。此外,采用混合特征金字塔(HyFP)模块,通过特征金字塔和注意力机制,进一步提升多尺度全局与局部特征的融合与提取能力,确保网络在不同程度的低光条件下均能保持较高的检测准确率。【结果】实验结果表明,InSCnet在LLVIP行人检测数据集上表现优异。具体而言,S mAP50达到了0.830,S mAP50-95达到了0.426。同时在DroneVehicle数据集上进行了实验,S mAP50达到了0.702,证明了InSCnet具备多类别低光检测能力。【结论】InSCnet通过引入红外热辐射特征和特征融合机制,提升了低光场景下的目标检测性能;在低光场景下能够有效检测可见光图像中难以识别的目标,为低光场景下的目标检测提供了一种有效的解决方案。未来的研究可以进一步探索如何优化网络结构。 展开更多

关键词 目标检测 低光场景 红外预测 特征融合 特征金字塔 全局特征 局部特征 人工智能

在线阅读 下载PDF 职称材料

基于改进YOLOv8的复杂果园环境下杏果的目标检测

6

作者 买买提·沙吾提 阿尔庆·西力克 《中国农机化学报》 北大核心 2025年第3期246-252,270,共8页

为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算... 为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算量,并且将原始的损失函数CIoU替换为WIoUv3,动态优化损失权重提高模型的检测精度。为验证改进方法的有效性,选取6种主流的目标检测模型、5种骨干网络的轻量化改进模型以及5种不同的损失函数进行对比试验。结果表明,改进后的模型相比原始模型在F 1、平均精度均值mAP上提升1.25%、1.48%,参数量、浮点运算量、模型大小分别降低28.06%、0.1 G、1.48 MB。改进后的算法能够精准、快速地在复杂的果园环境中识别出杏果。 展开更多

关键词 杏果 目标检测 复杂果园环境 轻量化网络 YOLOv8算法 损失函数

在线阅读 下载PDF 职称材料

用于复杂水下环境下的轻量级目标检测算法 被引量：2

7

作者 王飞飞 秦玉芳 +1 位作者 冯国富 陈明 《传感器与微系统》 北大核心 2025年第4期137-142,147,共7页

在利用水下机器人进行生物捕捞与识别时,色偏、雾效应与光干扰等复杂水下环境的干扰会导致模型存在漏检和误检现象,同时,由于带宽受限,水下设备计算资源也受限制。为解决上述问题,提出了一种高检测精度的轻量级改进的YOLOv7-tiny模型。... 在利用水下机器人进行生物捕捞与识别时,色偏、雾效应与光干扰等复杂水下环境的干扰会导致模型存在漏检和误检现象,同时,由于带宽受限,水下设备计算资源也受限制。为解决上述问题,提出了一种高检测精度的轻量级改进的YOLOv7-tiny模型。使用SiLU激活函数和EIOU损失函数提高模型收敛速度;使用双重注意力叠加的GAM注意力机制和三重注意力叠加的DyHead检测头更好地抵御环境噪声的干扰;最后,利用通道剪枝策略降低模型参数量。实验结果表明:在RUOD数据集上,改进后的模型有效的缓解了色偏、雾效应与光干扰等复杂水下环境下的漏检和误检现象,浮点数计算量降低8.4%,提高了水下设备在计算资源受到限制时的可用性。所提方法可适用于水下检测系统和水下机器人。 展开更多

关键词 水下生物目标检测 YOLOv7-tiny 注意力机制 通道剪枝 复杂水下环境

在线阅读 下载PDF 职称材料

BG-YOLO:复杂大视场下低慢小无人机目标检测方法 被引量：4

8

作者 王迎龙 孙备 +2 位作者 丁冰 卜德森 孙晓永 《仪器仪表学报》 北大核心 2025年第2期255-266,共12页

针对现有无人机目标检测模型在体积、计算资源需求以及小目标检测效果方面的不足,提出了一种改进的无人机目标检测算法BG-YOLO。该算法基于YOLOv8,通过在高分辨率特征层添加检测头,有效减少了图像下采样过程中的信息丢失,显著提升了模... 针对现有无人机目标检测模型在体积、计算资源需求以及小目标检测效果方面的不足,提出了一种改进的无人机目标检测算法BG-YOLO。该算法基于YOLOv8,通过在高分辨率特征层添加检测头,有效减少了图像下采样过程中的信息丢失,显著提升了模型对小目标的检测能力。同时,引入Biformer注意力机可以制精准捕捉图像的远程依赖关系,增强模型对不同尺度目标的感知能力。此外,NWD损失函数的引入解决了传统损失函数在小目标检测中对位置偏差敏感的问题,显著提高了模型的鲁棒性。基于GhostNetV2的模型轻量化则通过替换传统卷积模块,在减少模型参数和计算量的同时,保持了模型的检测精度。实验结果表明,BG-YOLO在Det-Fly数据集上相比YOLOv8的mAP@0.5提高了10.3%,参数量减少了33.18%,而与YOLOv9相比提高了7.9%。此外,该算法在自采集数据集上也表现出色,对天空、山地、建筑等不同场景的低慢小目标分别实现了96.2%、88.1%和86.2%的平均精度,检测速度分别为150.36、128.21、112.53 fps,实现了高检测精度和高检测速度的要求。综上所述,BG-YOLO通过检测头设计、注意力机制引入、损失函数改进以及模型轻量化,显著提升了对低慢小无人机目标的检测精度和实时性,具有广阔的应用前景。 展开更多

关键词 YOLOv8 Biformer GhostNetV2 低慢小无人机目标检测 复杂大视角场景

在线阅读 下载PDF 职称材料

基于目标检测的复杂城市交通环境感知技术及应用

9

作者 艾散·西尔艾力 车德福 +1 位作者 王夺 喻甜 《东北大学学报(自然科学版)》 北大核心 2025年第5期29-36,共8页

基于机器视觉的环境感知技术是智慧交通领域的关键任务之一.传统深度学习算法通常只能满足单一场景下的个别目标检测任务,难以应对复杂交通环境下的智能感知需求.为提高车辆在复杂环境下的智能感知能力,提出了一种改进的YOLOv8目标检测... 基于机器视觉的环境感知技术是智慧交通领域的关键任务之一.传统深度学习算法通常只能满足单一场景下的个别目标检测任务,难以应对复杂交通环境下的智能感知需求.为提高车辆在复杂环境下的智能感知能力,提出了一种改进的YOLOv8目标检测网络模型,结合注意力机制、优化器和可变形卷积层,实现了在复杂城市交通环境下的多目标检测.采用YOLOv4,YOLOv8及改进的YOLOv8算法对复杂交通环境样本图进行目标检测对比实验.结果表明,与YOLOv4,YOLOv8相比,改进的YOLOv8算法的平均精度分别提高了40.76%和16.92%.该算法的检测准确性与实时性满足实际应用需求,可通过多传感器信息融合,实现在复杂城市交通环境下的智能感知. 展开更多

关键词 YOLOv8 目标检测 复杂城市交通 环境感知 智慧交通

在线阅读 下载PDF 职称材料

面向复杂战场环境下的长期目标跟踪方法

10

作者 张雷 何舒文 +2 位作者 段晶晶 马增琛 张建伟 《火力与指挥控制》 北大核心 2025年第9期45-53,共9页

针对未来智能化武器装备面向复杂战场环境下的作战需求,设计了一种鲁棒的长期目标跟踪方法。面对高对抗性、高不确定性、高动态性和强实时性的战场环境,以孪生网络跟踪器为基准跟踪框架,建立目标跟踪正确性判断机制,融合双向特征金字塔... 针对未来智能化武器装备面向复杂战场环境下的作战需求,设计了一种鲁棒的长期目标跟踪方法。面对高对抗性、高不确定性、高动态性和强实时性的战场环境,以孪生网络跟踪器为基准跟踪框架,建立目标跟踪正确性判断机制,融合双向特征金字塔框架与重检测机制,构建目标跟踪方法架构,从而实现复杂环境下的长期目标跟踪。实验结果表明,提出的方法相对于基准跟踪方法的平均距离精度提高了6.9%,从而确保作战任务高效、可靠地完成。 展开更多

关键词 复杂战场环境 长期目标跟踪 孪生网络跟踪器 双向特征金字塔 重检测机制

在线阅读 下载PDF 职称材料

基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型 被引量：4

11

作者 顾清华 苏存玲 +2 位作者 王倩 陈露 熊乃学 《工矿自动化》 CSCD 北大核心 2024年第1期49-56,114,共9页

露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,... 露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,同时对矿区小目标障碍物的识别也有较大误差,不适用于矿区特殊环境下障碍物的检测与识别。针对上述问题,提出了一种基于双曲嵌入的露天矿区暗光环境下多目标检测模型。首先,在模型的图像预处理阶段引入卷积神经网路Retinex-Net对暗图像进行增强,提高图像清晰度;然后,针对数据集中特征过多而无重点偏好的问题,在加强特征提取部分添加全局注意力机制,聚集3个维度上更关键的特征信息;最后,在检测模型预测阶段引入双曲全连接层,以减少特征丢失,并防止过拟合现象。实验结果表明:(1)基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型不仅对露天矿区暗光环境下的大尺度目标具有较高的分类与定位精度,对矿用卡车及较远距离的小尺度目标即行人也可准确检测与定位,能够满足无人矿用卡车在矿区特殊环境下驾驶的安全需求。(2)模型的检测准确率达98.6%,检测速度为51.52帧/s,较SSD、YOLOv4、YOLOv5、YOLOx、YOLOv7分别提高20.31%,18.51%,10.53%,8.39%,13.24%,对于矿区道路上的行人、矿用卡车及挖机的检测精度达97%以上。 展开更多

关键词 露天矿 自动驾驶 无人矿用卡车 暗光环境 多目标检测 小目标障碍物 全局注意力机制 双曲全连接层

在线阅读 下载PDF 职称材料

基于改进YOLO v5的复杂环境下柑橘目标精准检测与定位方法 被引量：10

12

作者 李丽 梁继元 +2 位作者 张云峰 张官明 淳长品 《农业机械学报》 EI CAS CSCD 北大核心 2024年第8期280-290,共11页

针对自然环境下柑橘果实机械化采收作业环境复杂和果实状态多样等情况,提出了一种多通道信息融合网络——YOLO v5-citrus,以解决柑橘果实识别精准度低、果实分类模糊和定位精准度低等难题。将不同的柑橘目标通过不同遮挡条件分为“可采... 针对自然环境下柑橘果实机械化采收作业环境复杂和果实状态多样等情况,提出了一种多通道信息融合网络——YOLO v5-citrus,以解决柑橘果实识别精准度低、果实分类模糊和定位精准度低等难题。将不同的柑橘目标通过不同遮挡条件分为“可采摘”和“难采摘”两类,这种分类策略可指导机器人在真实果园中顺序摘取,提高采摘效率并减少机器人本体和末端执行器损坏率。YOLO v5-citrus中,在颈部网络插入多通道信息融合模块,对柑橘的深浅特征信息进行处理,提高柑橘采摘状态识别精度,同时修改颈部网络拼接方法,针对目标柑橘大小进行识别,训练后在识别部分嵌入聚类算法模块,将训练部分识别模糊的柑橘目标进行最后区分。识别后进行深度图像和彩色图像的像素对齐,并通过坐标系转换获取柑橘目标三维坐标。在使用多种增强技术处理的数据集中,YOLO v5-citrus比原始YOLO v5在平均精度均值和精确率上分别提高2.8个百分点与3.7个百分点,表现出更优异的泛化能力。与YOLO v7和YOLO v8等其他主流网络架构相比较,保持了更高的检测精度和更快的检测速度。通过真实果园的检测与定位试验,得到柑橘目标的三维坐标识别定位系统的定位误差为(1.97 mm,0.36 mm,9.63 mm),满足末端执行器的抓取条件。试验结果表明,该模型具有较强的鲁棒性,满足复杂环境下柑橘状态识别要求,可为柑橘园机械采收设备提供技术支持。 展开更多

关键词 柑橘采摘机器人 目标检测 状态区分 三维坐标获取 复杂环境 YOLO v5

在线阅读 下载PDF 职称材料

复杂环境下的路面交通标线检测与分割方法

13

作者 顾宗文 吴志周 +2 位作者 徐里鹏 朱陈强 梁韵逸 《计算机工程与应用》 北大核心 2025年第14期274-285,共12页

针对数字化交通标线损伤诊断数据需求,提出了基于Mask R-CNN的FE-Mask R-CNN模型,通过目标检测与实例分割,获得损伤交通标线及其对应的修复图像。采集了复杂环境下的交通标线数据集,根据数据集的大小及分析数据中路面交通标线的环境特征... 针对数字化交通标线损伤诊断数据需求,提出了基于Mask R-CNN的FE-Mask R-CNN模型,通过目标检测与实例分割,获得损伤交通标线及其对应的修复图像。采集了复杂环境下的交通标线数据集,根据数据集的大小及分析数据中路面交通标线的环境特征,将Mask R-CNN主干替换为改进的VGG16。构建了跨层连接的特征金字塔(cross-linking FPN)网络,使模型能自适应实现不同特征层权重融合,挖掘不同特征层之间的重要性信息。在每一特征层提取网络中添加了efficient channel attention(ECA)注意力机制,以捕捉不同通道之间的关系,增强了模型在复杂环境下的特征提取能力。实验结果表明,采用改进的VGG16,参数量较原模型降低了21.18%;采用cross-linking FPN网络及改进后的Mask R-CNN模型,在低阈值(IoU=0.5)下,目标检测和语义分割精度分别为97.93%、98.7%、97.74%、97.8%;在高阈值(IoU=0.75)下,目标检测和语义分割精度分别为95.56%、97.90%、81.48%、92.0%;检测速度由33 FPS降低至24 FPS。相对于低阈值分割精度提升效果,高阈值下的分割精度的大幅提升,为图像的高精度修复提供了数据基础。 展开更多

关键词 复杂环境 目标检测 实例分割 损伤交通标线 改进的VGG16 跨层连接特征金字塔 注意力机制

在线阅读 下载PDF 职称材料

基于目标检测和光流法的动态SLAM算法

14

作者 余夏怡 郑恩辉 孙海迪 《现代电子技术》 北大核心 2025年第17期48-54,共7页

针对动态物体影响同时定位与地图构建(SLAM)系统估计相机位姿精度的问题,提出一种基于目标检测和光流法的动态SLAM系统,在ORB-SLAM2框架中加入动态物体检测线程和地图构建线程。首先,利用PWC-Net光流网络得到场景光流信息,并利用YOLOv5... 针对动态物体影响同时定位与地图构建(SLAM)系统估计相机位姿精度的问题,提出一种基于目标检测和光流法的动态SLAM系统,在ORB-SLAM2框架中加入动态物体检测线程和地图构建线程。首先,利用PWC-Net光流网络得到场景光流信息,并利用YOLOv5s目标检测网络得到环境中潜在动态区域,将两者相结合得到场景动态区域;其次,为防止目标检测网络出现漏检的问题,利用光流信息进行速度约束,对动态特征点进行二次剔除;最后,完成剔除动态目标后的相机位姿估计及八叉树地图构建。使用EVO工具在TUM RGB-D公开数据集上对系统进行评估,实验数据表明,相对于ORBSLAM2、Dynamic-VINS、DS-SLAM系统,文中所提系统在高动态环境下的相机位姿估计精度上升,说明该改进能够有效地提升动态环境下SLAM系统的性能。 展开更多

关键词 目标检测 视觉SLAM 光流法 动态环境 八叉树地图 ORB特征点

在线阅读 下载PDF 职称材料

面向无人边防的复杂环境遮挡小目标检测算法 被引量：4

15

作者 王慧云 赵俊生 +2 位作者 王禹 李鑫延 王淋 《电子测量技术》 北大核心 2024年第21期168-177,共10页

面对边境复杂环境导致的人工巡检难题和安全风险,部署无人化监控系统对我国边防至关重要。由于摄像头与入侵目标间距离差异导致所拍图像尺度变化显著问题,以及监控目标采用遮挡策略,现有无人边防系统面临误检、漏检率高和实时性不足的... 面对边境复杂环境导致的人工巡检难题和安全风险,部署无人化监控系统对我国边防至关重要。由于摄像头与入侵目标间距离差异导致所拍图像尺度变化显著问题,以及监控目标采用遮挡策略,现有无人边防系统面临误检、漏检率高和实时性不足的挑战。针对该问题,提出了一种平均精度更高、参数量更少、普适性更强的FDB-YOLOv5遮挡小目标检测算法。首先,采集大量不同遮挡面积的人员样本构建数据集;其次,设计了Faster_C3新结构,以减少遮挡小目标检测网络的延迟和参数量,提高模型检测速率;此外,在颈部网络中引入基于点采样的Dysample上采样器,获得更多的局部细节和语义信息,增强模型对小目标的检测能力,同时降低计算开销;最后,使用基于多尺度特征提取BSPPF的空间金字塔池化方法,有效地解决尺度不变性及遮挡目标特征信息损失问题,从而更好地捕获关键信息,提高模型对遮挡小目标检测的稳定性以及鲁棒性。实验结果表明,与基线YOLOv5相比,FDB-YOLOv5的mAP@0.5%达到了91.5%;参数量和计算量分别减少了19.07%与18.40%;模型的检测速度提高了8.83%;与Faster R-CNN、SSD、YOLOv5s、YOLOv8相比,FDB-YOLOv5表现出更优越的性能,可以为边境无人化目标检测技术提供参考。 展开更多

关键词 小目标检测 复杂环境 大面积遮挡 YOLOv5 无人边防

在线阅读 下载PDF 职称材料

低对比度环境下运动目标光学相关检测技术 被引量：18

16

作者 张肃 王文生 徐春云 《仪器仪表学报》 EI CAS CSCD 北大核心 2013年第2期319-325,共7页

在用光电混合联合变换相关器对运动目标进行检测的过程中,为了在提高运算速度的前提下解决运动目标在低对比度环境中所导致的低识别率问题,提出一种基于提升小波的边缘检测算法,该算法能在将目标边缘准确地从低对比度环境中提取的同时,... 在用光电混合联合变换相关器对运动目标进行检测的过程中,为了在提高运算速度的前提下解决运动目标在低对比度环境中所导致的低识别率问题,提出一种基于提升小波的边缘检测算法,该算法能在将目标边缘准确地从低对比度环境中提取的同时,将传统小波变换的计算量减少一倍,显著提高运算速度,满足运动目标检测在处理速度上的需求。将该算法应用于光学相关检测,并结合瞬态模板方法可改善目标的识别率,提高在低对比度环境下运动目标检测的效率。对大量具有低对比度特点的运动序列进行光学相关实验,验证了算法对低对比度环境下运动目标检测的可行性。 展开更多

关键词 光学相关检测 低对比度环境 运动目标 提升小波 边缘检测 瞬态模板

在线阅读 下载PDF 职称材料

基于结构低秩编码的复杂环境红外弱小目标检测算法 被引量：8

17

作者 赵爱罡 王宏力 +2 位作者 杨小冈 陆敬辉 黄鹏杰 《中国惯性技术学报》 EI CSCD 北大核心 2015年第5期662-669,共8页

针对复杂环境红外弱小目标检测难的问题,依据背景慢变特性,提出了一种将背景优化和低秩表达相结合的结构低秩编码小目标检测算法。首先,利用梯度0l范数约束提取背景中梯度较大的成分,保留灰度快变结构,同时平滑慢变结构,对背景进行优化... 针对复杂环境红外弱小目标检测难的问题,依据背景慢变特性,提出了一种将背景优化和低秩表达相结合的结构低秩编码小目标检测算法。首先,利用梯度0l范数约束提取背景中梯度较大的成分,保留灰度快变结构,同时平滑慢变结构,对背景进行优化;其次,使用核函数刻画背景图像块之间的低秩特性,用秩描述背景的主要结构并进行建模;最后,分解得到的误差矩阵具有稀疏性,主要包含快变的小目标结构,通过稀疏矩阵1,2l范数定位红外弱小目标。实验结果表明,结构低秩编码检测算法能够有效发掘复杂背景图像块之间的关系,抑制杂波干扰,在虚警为2时,最低检测率为92%。提高了复杂环境下红外弱小目标的检测性能,基本能满足实际应用要求。 展开更多

关键词 复杂环境 红外小目标 低秩表达 0l范数约束

在线阅读 下载PDF 职称材料

基于高贴合旋转框的复杂环境玉米株心定位方法

18

作者 徐艳蕾 郭丽丽 +2 位作者 黄东岩 周阳 李陈孝 《农业机械学报》 北大核心 2025年第4期129-138,共10页

为解决玉米株心定位困难及定位精度低的问题,针对复杂自然环境玉米叶冠数据,本文开发了一种基于高贴合旋转框的玉米株心定位方法,并提出了一种能有效减少边缘精度损失的标注策略。该定位方法首先通过使用高精度标注策略和构建具有自适... 为解决玉米株心定位困难及定位精度低的问题,针对复杂自然环境玉米叶冠数据,本文开发了一种基于高贴合旋转框的玉米株心定位方法,并提出了一种能有效减少边缘精度损失的标注策略。该定位方法首先通过使用高精度标注策略和构建具有自适性的轻量化渐进特征金字塔网络LC-AFPN,得到LCA-YOLO v7OBB玉米叶冠目标检测算法,然后利用色彩空间滤波算法分割叶冠区域,并使用间隙填充算法提升图像质量,最后利用图像矩原理准确计算株心坐标。实验结果表明,模型抗干扰能力强,株心定位准确度高。LCA-YOLO v7OBB模型平均检测精度可达85.19%,精确率和召回率达到91.83%和83.04%。与Rotated-FasterRCNN等12种旋转目标检测模型相比,LCA-YOLO v7OBB在准确性和召回率等综合性能方面表现最佳。模型泛化能力强,在自建黄瓜、茄子2种数据集上进行验证,其平均精度、精确率、召回率和F1值均有明显提升。本文方法能够为精准施肥、农机视觉导航等提供理论基础和技术支持。 展开更多

关键词 玉米株心定位 旋转目标检测 复杂环境 叶冠检测 特征提取 泛化能力

在线阅读 下载PDF 职称材料

结合目标检测和特征点关联的动态视觉SLAM算法 被引量：2

19

作者 文诗佳 金世俊 《计算机应用》 北大核心 2025年第2期610-615,共6页

针对动态物体严重干扰同时定位与建图(SLAM)系统正常运行的问题,提出一种基于目标检测和特征点关联的动态视觉SLAM算法。首先,利用YOLOv5目标检测网络得到环境中潜在动态物体的信息,并基于简易目标跟踪对图像漏检进行补偿;其次,为解决... 针对动态物体严重干扰同时定位与建图(SLAM)系统正常运行的问题,提出一种基于目标检测和特征点关联的动态视觉SLAM算法。首先,利用YOLOv5目标检测网络得到环境中潜在动态物体的信息,并基于简易目标跟踪对图像漏检进行补偿;其次,为解决单一特征点的几何约束方法易出现误判的问题,依据图像的位置信息和光流信息建立特征点关联,再结合极线约束判断关系网的动态性;再次,结合两种方法剔除图像中的动态特征点,并用剩余的静态特征点加权估计位姿;最后,对静态环境建立稠密点云地图。在TUM(Technical University of Munich)公开数据集上的对比和消融实验的结果表明,与ORB-SLAM2和DS-SLAM(Dynamic Semantic SLAM)相比,所提算法在高动态场景下的绝对轨迹误差(ATE)中的均方根误差(RMSE)分别至少降低了95.22%和5.61%。可见,所提算法在保证实时性的同时提高了准确性和鲁棒性。 展开更多

关键词 动态环境 目标检测 同时定位与建图 稠密点云地图 光流法

在线阅读 下载PDF 职称材料

复杂环境下弱信号中的红外小目标自动检测 被引量：3

20

作者 刘晓玲 牛海春 +1 位作者 宋海燕 秦富贞 《激光杂志》 北大核心 2020年第10期82-86,共5页

现有的红外小目标自动检测方法存在着抗复杂背景能力差、误检率高的缺陷,为了解决上述问题,提出复杂环境下弱信号中的红外小目标自动检测方法研究。根据设计的红外小目标自动检测方法框架图,采用形态学处理方法抑制红外图像背景,并运用c... 现有的红外小目标自动检测方法存在着抗复杂背景能力差、误检率高的缺陷,为了解决上述问题,提出复杂环境下弱信号中的红外小目标自动检测方法研究。根据设计的红外小目标自动检测方法框架图,采用形态学处理方法抑制红外图像背景,并运用contrast box算法分割红外图像,得到二值化红外图像。以得到的二值化红外图像为依据,结合计算得到的信号增量自动搜索小目标红外图像序列。以小目标红外图像序列为基础,通过数学模型实现红外小目标的自动检测。通过仿真实验结果显示,与现有红外小目标自动检测方法相比较,提出的红外小目标自动检测方法极大的提升了抗复杂背景能力,降低了误检率,充分说明提出的红外小目标自动检测方法具备更好的检测效果。 展开更多

关键词 复杂环境 弱信号 红外小目标 检测

在线阅读 下载PDF 职称材料