多目标检测

摘要： 针对低光照、雨雾等恶劣场景对智能驾驶视觉系统检测能力的影响,提出了一种雷达与相机特征融合的网络模型.基于毫米波雷达信息和注意力模型构建了雷达注意力机制特征模块,该模块可以为特征融合网络提供一个先验信息和增加算法在目标候选区域权重.测试结果表明,引入雷达注意力机制模块后,特征融合网络的目标检测性能要比仅依赖计算机视觉的检测性能有了明显的提升,并且在复杂场景下的目标检测鲁棒性更强.

摘要： 偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。

摘要： 文章提出一种基于自适应滤波的多目标检测方法。将雷达回波等分成回波矩阵X_(i),计算X_(i)的协方差矩阵并进行特征值分解;利用特征值矩阵D计算奇异谱,估计主分量个数N_(ev),以N_(ev)>3作为门限判断回波矩阵X_(i)是否包含目标;通过特征矢量矩阵V构成的自适应滤波器对X_(i)滤波,估算滤波后回波脉冲的Pareto模型参数,生成Pareto随机序列;采用K-L散度识别目标回波,用峰值检测法确定各个目标位置。通过实测海杂波数据实验,验证了所提方法的有效性。

摘要： 随着交通智能化的发展,高速公路监控视频加密上云逐渐成为交通发展的主要趋势之一.交通数据深度挖掘,尤其是行人检测问题,则是该趋势中亟待解决问题之一.本文针对多种道路环境的行人检测问题,提出了一种基于鲲鹏云的全天候行人监测解决方案.首先,将监控相机中的视频流通过流媒体服务转发至鲲鹏云;然后鲲鹏云进行视频流解码与行人检测,同时保存行人历史信息;最后进行行人事件分析和上报.本系统采用嵌入式神经网络处理器(NPU)代替传统图形处理器(GPU)平台加速YOLOv4行人检测模块的推理,一方面取得了较快的检测速度并可实时处理22路视频流,另一方面,该解决方案针对不同道路场景下高速道路上的行人也可取得较好的监测效果.

摘要： 针对CCD线阵交汇系统中测试弹丸连发坐标时以最大帧频连续拍摄,数据量过大而导致处理时间过长的问题,提出一种基于激光光幕触发的多峰值检测和自适应阈值弹丸检测的快速检测连发弹丸坐标方法;采用90°的“一”字线型半导体激光器配合原向反射屏形成光电探测靶面,光电转换模块将弹丸过靶时引起的光通量变化转换成电信号产生过靶信号,处理数据时先使用多峰值检测算法,根据获得的过靶信号波形计算出所有弹丸的过靶时刻和对应图像位置信息,并将该幅图像和临近两幅图像拼接成一幅组合图像作为该发弹丸的过靶图像,再使用基于自适应阈值的弹丸检测算法对其进行弹丸目标检测得到弹丸坐标;当该图像检测出多个像素坐标时,使用像素坐标剔除算法进行处理得到准确坐标;最后进行了4组对照试验,在得到正确连发坐标的前提下分别统计文章方法与传统方法的处理时间;结果表明与处理所有图像的传统方法相比,文章提出的方法在保证连发弹丸坐标正确率的前提下,提高了处理速度。

摘要： 多目标检测是计算机视觉中一个重要的研究方向,如何才能准确地检测目标在军事、生活、工业等方面都有着极为重要的研究意义。针对传统光流法在目标检测中对噪声鲁棒性较差的问题,为了提高算法对噪声的鲁棒性,本文将CLG光流法与多尺度的思想相结合。多尺度的主要思想是建立一个图像金字塔,由粗到精地计算光流向量,并在此基础上将L2范数的平方改为L1范数。实验结果表明,改进后的多尺度CLG光流算法相对于原始CLG光流算法有更好的整体效果,说明多尺度CLG光流算法对噪声具有更好的鲁棒性,可以较好地对图像进行光流估计。

摘要： [目的]花卉多目标识别定位是自动化作业的基础,大型的目标检测网络识别效果好,但由于复杂度高难以满足实时检测需求,本文提出了基于YOLOv4的轻量化目标检测算法。[方法]采用MobileNetV3替换原有的主干特征提取网络,自下而上融合网络的浅层和深层特征,简化路径聚合网络进一步减少计算量。结合优化K-means聚类获得的预选框参数来提高算法对特定目标的检测精度,并比较训练策略对模型性能的影响,将优化后的算法集成到用户交互界面,实现花卉识别定位。[结果]该系统实现了操作简单的花卉多目标的识别,具有实时反馈和较高准确率等优势,改进算法在余弦退火方式下训练得到的模型对图像的处理速度为每秒31.85帧,最高检测精确率达96.43%。[结论]这种基于YOLOv4的轻量级目标检测模型具有较高的识别率,系统对多目标花卉的检测具有可行性,为自动化作业提供技术支撑。

摘要： 为避免船舶在航行过程中的航线冲突,设计基于无线网络的船舶多目标检测系统。该系统由遥感图像采集单元和船舶多目标检测单元构成,利用遥感图像采集单元内的遥感平台获取可见光遥感图像,用户端利用ZigBee无线网络从遥感平台读取可见光遥感图像并缓存;船舶多目标检测单元利用遥感图像预处理子单元读取可见光遥感图像后,对其进行降采样和高斯滤波处理后,输送至海陆分离子单元;海陆分离子单元对可见光遥感图像实时海陆分离处理,然后使用特征提取子单元提取可见光遥感图像特征;以该可见光遥感图像特征为基础,使用基于卷积神经网络的船舶多目标检测方法完成船舶多目标检测。实验结果表明:该系统具备较强的无线通信能力的同时,提取船舶可见光遥感图像特征精度高达98.91%,且其检测船舶多目标不受船型大小和分布位置影响,具备显著的应用效果。

摘要： 在有限信噪比情况下,雷达对多目标的检测性能受限于参数估计精度和发射脉冲积累,而波形设计为雷达性能提升提供了自由度。本文以信噪比为约束条件,以假设概率与设计波形的加权和迭代波形发射,分阶段提出了基于单假设互信息最大化、基于多假设间互信息最小化的波形优化方法,实现了提升参数估计精度与降低发射脉冲次数的均衡处理。仿真验证了目标参数估计精度与目标检测性能间呈正相关关系,结果表明,基于双阶段互信息准则设计的波形能够快速检测多目标方位,提升目标检测性能。

摘要： 刮板输送机是煤矿井下的关键运输设备,铁质异物进入刮板输送机会引发磨损、断链等,甚至会造成停产、伤人等严重事故。现有刮板输送机异物识别方法存在对井下图像的适应性较差、无法区分异物类别与数量等问题。针对上述问题,提出了一种基于改进掩码区域卷积神经网络(Mask R-CNN)的刮板输送机铁质异物多目标检测方法。采用基于Laplace算子的图像增强算法对井下低照度、高粉尘环境下采集的图像进行预处理,对增强后的图像进行标注,制作数据集。采用Mask R-CNN模型的ResNet-50特征提取器获取铁质异物图像特征;采用特征金字塔网络进行特征融合,保证同时拥有高层的语义特征(如类别、属性等)和低层的轮廓特征(如颜色、轮廓、纹理等),以提高小尺度铁质异物识别精度;针对Mask R-CNN模型生成的锚点与待检测的铁质异物尺寸不对应的问题,对Mask R-CNN模型进行改进,采用k-meansⅡ聚类算法代替原来的锚点生成方案,通过遍历数据集中标注框的长宽信息得到聚类中心点,实现刮板输送机铁质异物多目标检测。实验结果表明,改进Mask R-CNN模型对单张图像的平均检测时间为0.732 s,与Mask R-CNN,YOLOv5相比,分别缩短0.093,0.002 s;平均精度为91.7%,与Mask R-CNN,YOLOv5相比,分别提高11.4%,2.9%。

摘要： 在FMCW(Frequency Modulated Continue Wave)体制雷达当中,多目标检测是一个难点问题.该体制雷达进行多目标检测过程中,需要判断目标所对应的频点.传统的混合体制雷达多目标检测方法在一些情况下会产生虚假的目标,而且会存在检测盲区.本文分析了混合调制法的不足之处,并在此基础上对其进行了改进.对改进的检测算法进行了仿真和简易的外场多目标检测实验.从仿真和实验的结果来看,改进的算法能够提高检测准确度并克服检测盲区的问题.

摘要： 多目标背景下进行目标检测时,目标之间会相互影响,从而导致检测性能下降.本文在讨论海杂波分布特性的基础上,将PGO-CFAR应用于海杂波背景下的多目标检测,并结合实测数据和合作目标,比较了PGO-CFAR,COA-CFAR以及GO-CFAR的检测性能.实测数据处理和理论分析结果表明,PGO-CFAR检测算法在检测多目标时有一定的优势,而且该算法运算量少,便于工程实践.

摘要： 以高性能数字信号处理器(DSP)为核心,现场可编程门阵列(FPGA)为协处理器,设计了一种红外实时多目标检测系统。针对目标数目不定和位置不定的任务需求,利用灰度形态学滤波抑制背景,自适应阈值分割,标记和融合得到候选目标的数目、尺寸和方位信息。最后根据运动目标轨迹一致性的特点,通过管道滤波滤除虚假目标。重点介绍了系统实现的硬件结构。实验结果表明,系统满足复杂背景下红外多目标检测实时性和可靠性的要求。

摘要： 为在空中预警监视系统中实现多异类传感器多目标联合检测、跟踪与识别,在多目标检测、跟踪的随机有限集模型基础上,进行多异类传感器多目标联合检测、跟踪与识别的理论模型与处理框架研究.通过对目标的运动学状态与目标识别属性状态统一描述,把多目标状态建模为一个用随机有限集描述的全局状态.通过对运动学传感器与属性传感器模型分析,把各异类传感器建模为一个全局传感器,并把各传感器的测量建模为一个用随机有限集描述的全局测量.根据全局状态与全局测量模型,把异类传感器多目标联合检测、跟踪与识别过程描述为Bayes滤波过程,并给出了相应的多异类传感器多目标联合检测、跟踪与识别处理框架.通过仿真试验验证了理论模型与框架的有效性.

摘要： 给出了一种能够在调制目标和单谱线目标混合存在的频谱中准确识别调制序列并可靠、有效检测出其他目标的算法,其中算法的核心部分:"复杂环境下调制序列识别与检测",亦可作为现有基于调制检测的目标/干扰识别算法的补充和完善.同时整个处理流程作为雷达跟踪闭环系统的重要环节,该算法对在复杂目标环境下有效降低虚警、提高跟踪稳定性有重要意义.

摘要： 运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测.在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响.运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测.结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用.在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别.

摘要： 运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。

摘要： 在PD雷达里,针对低信噪比的多目标数据,提出一种基于Keystone变换的运动补偿方案.利用Keystone变换校正由径向速度引起的线性距离走动,通过对所有脉冲的相干积累来提高信噪比.仿真实验结果表明,基于Keystone变换方法的性能优于传统相参积累的方法.

摘要： 防撞雷达，尤其是毫米波防撞雷达是近年来发展很迅速的一个研究领域，其应用范围十分广泛。然而，由于其工作环境恶劣，防撞雷达面临着噪声干扰抑制和目标识别的困难。车辆在实际环境中要求在精确测定目标方位的同时，能迅速、有效地测出回波信号的频率，进而识别出目标的距离和速度信息。本文通过应用改进的空间谱估计技术实现了来波频率和方向的高分辨估计，一定程度上解决了防撞雷达检测目标测距和测角的精度问题，并通过计算机仿真证明了有效性，为汽车防撞雷达系统提供了一定技术上的支持。

摘要： 防撞雷达，尤其是毫米波防撞雷达是近年来发展很迅速的一个研究领域，其应用范围十分广泛。然而，由于其工作环境恶劣，防撞雷达面临着噪声干扰抑制和目标识别的困难。车辆在实际环境中要求在精确测定目标方位的同时，能迅速、有效地测出回波信号的频率，进而识别出目标的距离和速度信息。本文通过应用改进的空间谱估计技术实现了来波频率和方向的高分辨估计，一定程度上解决了防撞雷达检测目标测距和测角的精度问题，并通过计算机仿真证明了有效性，为汽车防撞雷达系统提供了一定技术上的支持。

摘要： 目标检测装置包括：存储单元，用于存储先前学习的关于从输入图像中提取的样本图像的学习信息，该信息包括第一信息和第二信息，第一信息指出从多个特征区/特征量组中所选择出的给定数量的特征区/特征量组的至少一种组合，第二信息指出样本图像是目标或是非目标；特征量计算单元，用于计算属于输入图像中的组合的每个特征区域的输入特征量；量化单元，用于量化已计算的输入特征量从而获得量化的输入特征量；判定单元，用于利用量化的输入特征量和学习信息来判定输入图像是否包括目标。

摘要： 本发明属于矿车超挂运输检测技术领域，公开了基于目标检测及多目标跟踪的矿车超挂检测方法及装置。所述方法包括：对运输视频进行抽帧采样以生成图像队列；将图像队列输入目标检测模型以获取识别队列，并为其中任一识别样本添加检测框；基于多目标跟踪算法对识别队列中与任一矿车相应的第一帧识别样本添加跟踪框进行跟踪；更新下一帧识别样本中各跟踪框的位置；当存在与跟踪框位置相应的检测框时则判断相应车皮已出现过，反之则为首次出现的车皮并为其添加跟踪框；重复上一步骤直至目标检测模型检测完与矿车相应的最后一帧识别样本时，统计跟踪框ID总数以判断矿车挂载是否超出预设的挂载阈值。本发明可有效避免矿车超挂，提高矿车运输安全性。

摘要： 本发明涉及计算机视觉领域，设计了一种基于3D目标检测和多目标追踪算法来感知周围车辆速度的方法，该方法能够有效识别周围车辆并计算周围车辆的速度。所诉方法包括：数据集采集，通过雷达车获取训练样本数据；3D目标检测，对连续帧的点云数据进行车辆识别，获得目标车辆每一帧的位置坐标；3D多目标追踪，使用匈牙利算法和卡尔曼滤波算法组合，通过传统的追踪算法达到较高的计算效率同时又不会有较大的精度损失。通过对连续帧点云数据中的车辆进行识别追踪，获取车辆在每一帧的位置坐标和唯一标识，通过每一帧的位置坐标转换为现实世界中的世界坐标位置。根据世界坐标计算连续帧点云数据中每相邻两帧的移动距离进而计算车辆速度。

摘要： 能够不增加存储容量而以低成本实现的校正目标检测装置200，具有：测光区域设定部22，设定长条形状的测光区域；测光部21，检测测光区域的测光信息；亮度曲线生成部23，使将规定的一个方向作为长边方向的长条形状的测光区域，沿与一个方向正交的另一方向进行扫描，由此生成表示在该另一方向上的测光信息的变化的第一曲线，并且，使将另一方向作为长边方向的长条形状的测光区域，沿一个方向进行扫描，由此生成表示在该一个方向上的测光信息的变化的第二曲线；位置计算部30，基于第一曲线及第二曲线的特征点，来计算由车载照相机20获取的拍摄图像所含的用于校正车载照相机的校正目标的位置或该校正目标的规定部位的位置。

摘要： 目标检测装置包括：存储单元，特征量计算单元，量化单元和判定单元，存储单元存储先前学习的关于从输入图像中提取的样本图像的学习信息，该信息包括第一信息和第二信息，第一信息指出从多个特征区/特征量组中所选择出的给定数量的特征区/特征量组的至少一种组合，每个特征区/特征量组都包括其中一个特征区域和其中一个量化的学习特征量，每个特征区域都具有多个像素区域，且通过量化学习特征量所得到的经量化的学习特征量对应于在样本图像中的特征区域的特征量，第二信息指出样本图像是目标或是非目标；特征量计算单元计算属于输入图像中的组合的每个特征区域的输入特征量；量化单元量化已计算的输入特征量从而获得量化的输入特征量；判定单元利用量化的输入特征量和学习信息来判定输入图像是否包括目标。

摘要： 本发明公开一种适用于多目标的多级目标检测方法及装置。本发明提供的一种适用于多目标的多级目标检测方法，通过获取待进行多级目标的输入图像，对输入图像进行预处理；使用RPN网络模型对线性滤波预处理后的图像中的目标区域进行识别，对识别出的目标区域进行分类以确定分类归属，对确定分类归属后的目标区域进行分类合并，对分类合并后的目标区域进行背景和前景的区分，对区分出的背景和前景进行图像分割，实现在各种复杂场景下取得较好的前景检测效果；解决检测过程中目标间容易出现相互遮挡问题以及检测中目标容易出现欠分割和过分割问题，显著提升在复杂环境下的鲁棒性。

摘要： 本发明提出一种图书馆流动人员目标检测及其多目标跟踪方法和管理系统。采用基于Yolov5模型的目标检测方法对视频进行目标检测，通过筛选数据集、调整合适的模型训练参数，对模型进行训练，并进行模型测试和目标检测及相关数据分析；对Deep SORT算法进行改进，对目标检测结果进行多目标跟踪；根据以上目标检测和多目标跟踪结果，构建基于物理空间数据分析的图书馆智能管理系统。本发明克服了传感器网络的成本偏高、无法对人员密集区域精确检测、对目标出现的连续性依赖较强的问题，为学生提供了无法从互联网或者电话服务提供的图书馆使用情况的实时查询服务，也为图书馆管理者通过人员实时流动情况实施图书馆个性化服务和智能管理。

摘要： 本发明公开了一种基于目标检测的多目标跟踪中轨迹匹配计算方法,包括以下步骤：（10）重要方向层联匹配：通过任意目标检测器得到当前帧所有目标的检测框di以及其特征向量rk，通过前一帧的检测框预测出当前帧的跟踪框tj，然后将di和tj进行层联匹配，最后得到匹配成功的(di,tj)，未匹配成功的di和tj。（20）未匹配成功检测框di和跟踪框tj的IOU(Intersection over Union)匹配：将未配对成功的di和tj进行IOU匹配，得到(di,yj)、di、tj。本发明的多目标跟踪中轨迹匹配计算方法，减少了di和tj匹配时的计算量，实时性较强，并且减少IDSwitch问题。

摘要： 本发明公开一种基于深度学习目标检测的视觉多目标跟踪方法，用于计算机视觉跟踪领域，该方法将卡尔曼滤波和深度学习相结合，首先使用一深度学习的网络模型对图像进行目标检测；然后再使用一深度学习的网络模型提取目标的深度特征图，通过比对前、后两帧深度特征图，匹配目标的历史轨迹；对于匹配失败的目标，再使用卡尔曼滤波器进行匹配，如果匹配成功，则更新目标轨迹，如果不成功，则视为新目标。本发明将卡尔曼滤波跟踪方法与深度学习相结合，快速准确的跟踪目标，解决了传统方法反应迟钝，跟踪误差大等问题，提高了复杂场景下多目标跟踪的鲁棒性和准确性。

摘要： 本发明提供了一种多目标检测网络的构建方法、多目标检测方法及装置，包括：采集目标对象的双目信息和模拟驾驶环境的环境信息；基于双目信息和环境信息，建立视觉检索区域子网络；其中，视觉检索区域子网络用于从真实驾驶场景中确定第一核心区域和第一核心区域对应的第一区域权重；基于双目信息和环境信息，建立视觉检索策略子网络；其中，视觉检索策略子网络用于确定真实驾驶场景中待视认对象的第一重要等级和第一视认顺序；基于视觉检索区域子网络和视觉检索策略子网络，构建多目标检测网络；其中，多目标检测网络用于对真实驾驶场景中的待视认对象进行检测。本发明可以有效提高多目标检测的效率，以及提高多目标检测的准确度。