共查询到10条相似文献,搜索用时 312 毫秒
1.
为提升目标检测算法在复杂环境下的精确性和实用性,将多源信息和深度学习技术相结合,提出了一种基于双模态特征增强的目标检测方法。该方法以红外和可见光图像作为输入,利用颜色空间转换、边缘提取、直方图均衡化等传统图像处理方法丰富图像信息,达到数据增强效果;特征提取部分采用卷积神经网络结构分别提取目标红外及可见光信息,并设计混合注意力机制分别从通道和空间位置角度提升有效特征权重;同时,针对目标双模态信息,引入了自适应交叉融合结构,提高特征多样性;最后,利用交替上下采样将目标全局和局部特征充分融合,并以自主选择方式提取目标相关特征实现检测。通过在标准数据集以及实际场景数据集上的实验结果表明,所提方法有效融合并增强了目标多模态特征,提升了目标检测效果,并能较好的应用于电网场景中,辅助机器人完成目标设备检测。 相似文献
2.
为了得到远程物体的微米级振动的频率信息,采用基于散斑图像的远程振动频率提取方法,以波长为532nm连续激光器作为光源照射50m远处被测物体表面,通过高速摄像机记录物体表面反射空间内的散斑图样提取物体的微振动频率。采用激光散斑图像的数据处理方法,进行了研究分析和实验验证,利用长焦镜头对远程散斑图像进行适当散焦处理,然后提取视频散斑图像间互相关系数峰值点与原点之间的矢量大小来获取散斑的变化信息,同时对一定宽频率范围内的振动频率进行提取。结果表明,用该方法得到的激光散斑远程微振动频率的提取准确度达99.22%。该数据结果为激光散斑应用于远程频率振动检测提供了一定的论证依据。 相似文献
3.
4.
5.
针对已有人体摔倒检测方法在复杂环境场景下易受光照影响、适应性差、误检率高等问题,提出了一种基于关键点估计的红外图像人体摔倒检测方法。该方法采用红外图像,有效避免了光照等因素的影响,经过神经网络找到人体目标中心点,然后回归人体目标属性,如目标尺寸、标签等,从而得到检测结果。使用红外相机采集不同情况下的人体摔倒图像,建立红外图像人体摔倒数据集并使用提出的方法进行检测,识别率达到97%以上。实验结果表明提出的方法在红外图像人体摔倒检测中具有较高的精度与速度。 相似文献
6.
图像特征的伪装效果评估技术 总被引:2,自引:0,他引:2
定义以目标形心为中心、以目标图像的轮廓为模板的八联通区域作为该目标伪装效果评估的直接背景.依据目标识别机理和相关的伪装原则,从图像的统计、形状和纹理三个方面分别筛选并提取出目标及其8个直接背景的19个特征值;根据3σ法则,对提取的特征值进行归一化处理后构成9行19列评估矩阵,在此基础上,采用BP神经网络建立了伪装效果量化评估模型.利用积累的大量工程伪装检测数据开展了系统试验;利用获取的试验数据作为样本集,对模型进行了训练、验证和测试.试验结果表明:所建立的伪装效果量化评估模型预测结果与专家评估结果的相关度达到0.82,能有效消除伪装效果评估过程中由操作人员主观因素对评估结果造成的影响,具有良好的科学性和可靠性. 相似文献
7.
针对红外监视系统对伪装后的人体目标检测处理速度慢、识别准确率低的现状,提出了一种基于混合高斯模型(GMM)的背景减除(BS)快速识别算法用于红外视觉监视系统伪装人体目标检测。首先,该方法采用Mean Shift算法构造初始化背景模型后,使用编码取样原则对像素分等级取样识别前景;再利用移动目标的时间-空间相干性,使用相邻像素预估法快速、精确提取目标图像。其次,设计了基于模板的目标区域聚合新算法,有效地解决了由于伪装造成的人体目标形状特征改变而导致的误检问题。实验证明:新方法切实提高了探测识别效率,降低了人体目标误判率,为实时红外监视提供了有效手段。 相似文献
8.
针对平显测试过程中图像抖动检测实时性要求较高的特点,通过对图像振动检测算法进行分析,提出了基于LOG算子边缘检测提取特征点的平显振动算法,利用该算法提取图像序列的特征点后并进行特征点匹配,根据特征点对位移量计算图像序列的振动量。实验结果表明该算法可以满足平显图像振动实时检测要求。 相似文献
9.
针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。 相似文献