针对多尺度目标的轻量级红外目标检测算法

针对现有基于深度学习的红外目标检测算法参数量大、复杂度较高、对多尺度目标检测性能较差等问题,提出了一种针对多尺度目标的轻量级红外目标检测算法。算法以YOLOv3为基础,采用MobileNet V2轻量级骨干网络、设计改进的简化空间金字塔结构（simSPP）、Anchor Free机制、解耦头和简化正负样本分配策略（Sim OTA）分别对Backbone、Neck和Head进行优化,最终得到模型大小为6.25 M,浮点运算量2.14 GFLOPs的LMD-YOLOv3轻量级检测算法。在构建的MTS-UAV数据集上m AP达到90.5%,在RTX2080Ti显卡上FPS达到99,与YOLOv3相比m AP提升了2.60%,模型大小为YOLOv3的1/10。     

一种新的目标检测算法及其应用研究

通过对雷达回波数据的分析与理论研究,提出了一种基于目标回波特性的检测方法,并结合较低的虚警门限,提高了目标的检测概率,实现了参数的高精度提取。同时,由于该算法计算量小,适合全程全方位高精度点迹凝聚的实现。     

一种有效的用于雷达弱目标检测的算法

低信噪比的环境中对弱小目标的检测和跟踪已经在雷达信号处理领域中引起人们的广泛关注.检测前跟踪(TBD)方法对弱小目标的检测非常有效,其基本思想是为避免恒虚警率(CFAR)处理带来的信噪比损失,而直接对原始数据进行处理.但这样做运算量是很大的,多数场合难以接受.本文提出了CFAR和TBD联合检测的思想,即加入低门限CFAR检测和求秩过程对数据进行预处理,引进平滑度的概念以消除一些为伪航迹.仿真结果表明此算法的运算量较小而比一般的检测方法SNR性能上约提高2~3dB.     

基于视频识别的地铁站突发大客流智能预警方法研究

为应对地铁车站突发性大客流并进行实时智能管控,本文提出了一种基于视频数据的地铁车站突发大客流智能预警方法.首先通过视频识别技术,获取地铁车站各瓶颈处的实时客流数据;同时引入KNN近邻算法和百分位数法,对历史客流数据进行处理,提出客流密度持续增长时间的概念,并建立了客流密度持续增长时间的智能算法模型;最后以上海地铁徐泾东...     

一种改进W4算法的运动目标检测研究

针对经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运动等问题,提出了一种新的运动目标检测算法。首先,利用均值法进行背景初始化选出静止像素集合,消除背景中运动目标的干扰;其次,给定背景初始帧,用经典W4算法计算出每个像素点的最小灰度值、最大灰度值以及最大帧间差分值;然后,对每个像素点提取的最小灰度值和最大灰度值进行线性加权,并且与均值法得到的初始背景相结合建立稳定的背景模型,克服了移动、阴影、光照突变等影响;最后,比较当前帧与背景模型从而检测出准确的运动目标。实验证明,与其它均值法、经典W4算法以及混合高斯背景建模方法相比较,改进方法不仅耗时短而且取得了较为理想的检测效果。     

一种用于红外小目标检测的改进Canny算法

针对红外小目标检测问题,分析了Canny算法存在的不足,将子波理论引入到Canny算法中,提出了基于子波去噪的改进Canny算法,最后用实例证明该算法具有良好的红外小目标检测性能。     

基于视频分析的目标检测

文章旨在探讨基于视频分析的目标检测,文章首先论述了视频目标检测的主要方法,介绍了当前常用的视频分析跟踪技术,进而分析研究了视频图像的互相关信息以及蜂群算法的目标检测的方法,最后探讨对分析和计算结果的分析。以期为相关的研究提供借鉴。     

基于视频分析的目标检测

文章旨在探讨基于视频分析的目标检测,文章首先论述了视频目标检测的主要方法,介绍了当前常用的视频分析跟踪技术,进而分析研究了视频图像的互相关信息以及蜂群算法的目标检测的方法,最后探讨对分析和计算结果的分析。以期为相关的研究提供借鉴。     

一种改进的自适应背景预测红外弱小目标检测算法

文章改进了自适应最小均方误差(LMS)算法,将基于历史检测效果的自适应最小二乘(RLS)算法应用于连续帧运动红外弱小目标检测.在已知n-1时刻滤波器抽头权系数的情况下,通过简单的更新,求出n时刻的优化滤波器抽头权系数.计算机仿真实验证明该算法能较大地提高图像信噪比,并以较低的虚警率在2～3帧内较为准确地检测出运动红外弱小目标.     

一种改进的Surendra运动目标检测算法

在运动目标检测方面,Surendra算法具有运算速度快、目标提取准确的特点,但是由于该算法采用的是将首帧图像作为背景的方式,容易造成"拖影"现象,十分影响检测效果。本文提出一种以Surendra算法为基础,融合了三帧差分思想的运动目标检测算法,并利用Surendra算法对背景进行实时更新;同时加入了Canny边缘检测,以增强检测目标的完整性。结果表明,本文提出的算法可以有效去除"拖影"现象且检测效果良好。     

一类新型的运动目标视频检测算法

本文提出了一类新型的嵌入式视频活动目标检测算法,该算法采用Surendra算法对背景进行更新以减低系统误报警的几率,对连续三帧图像分别采用差帧法,对2次帧差取交集实现对前景目标的模糊跟踪,而后对粗糙的运动区域图像进行阈值面积消去处理和数学形态学运算,最后实现目标定位跟踪。仿真结果表明,与传统的二阶帧差的方法相比,本文视频活动的目标检测算法具有高实效,高精度的特点。     

一种基于粒子群算法的红外运动小目标检测算法

提出一种基于粒子群算法的运动小目标检测算法.首先利用两步分离法对图像进行预处理,筛选出少量的侯选运动目标,然后构造候选航迹,利用粒子群算法对候选航迹进行搜索,从而检测出目标航迹和目标点.实验结果表明,该算法能有效地检测出运动小目标的位置.     

一种基于HMM模型的弱小点目标的检测算法

讨论复杂背景、强干扰条件下移动平台下弱小目标的检测，提出一种基于隐Markov模型的快速检测算法，该算法通过计算摄像机视场的运动，消除背景的干扰，通过计算模型中的目标转移概率和似然函数，确定点目标的运动轨迹，实验表明了该算法的有效性。     

弱小目标检测预处理算法研究

针对光电探测系统、告警系统，讨论了复杂背景下图像中的弱小目标检测预处理算法，并针对特定的图像给出了算法的处理结果。     

低信噪比下两种点目标检测算法的研究

红外图像中点目标检测技术是近年来信息处理研究的热点和难点之一。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

基于计算机视觉的车辆目标检测算法研究

计算机视觉技术在车辆目标检测领域已有重要的应用。本文以计算机视觉技术为基础,深入研究和分析运动目标识别与追踪算法的性能。在此基础上,提出车辆目标检测算法,并通过实验验证算法的实用性和可行性。实验结果表明,车辆目标检测算法能够大幅提高检测精度,减少误报率和漏报率,同时具有良好的运行效果。这项算法具有较强的实用性和应用价值。     

一种新型多车道车流量检测算法

为了实时有效地检测道路路口车流量信息,并为交通控制和管理提供准确的交通流数据,提出了一种新型的车流量检测算法。通过利用现有的路面标记进行图像对称分割并计算图像灰度值方差,来判断有无车辆通过,进而实现车流量计算。仿真结果表明,该算法不仅简单,易于实现,而且检测准确率高,实时性好,能够有效地为智能交通灯控制提供信息数据。     

一种改进的高分辨极化目标检测算法

针对宽带高分辨雷达体制,研究了杂波环境中的目标检测问题,引用了极化域线性积累滤波的思路以提高雷达接收信号的信杂比,在此基础上利用波形固有的径向高分辨力对目标进行一维距离成像,结合目标所占据的分辨单元区间内的幅值及其极化状态相对于杂波所对应的分辨单元内的幅值及其极化状态有着较大的差异这一客观事实,提出了基于 Stokes矢量 Frobenius范数非参数检测方法,实验仿真结果表明该方法能够有效改善雷达的检测性能。     

基于嵌入式的新型运动目标视频检测算法

提出一类新型的嵌入式视频活动目标检测算法,该算法采用Surendra算法对背景进行更新以减低系统误报警的几率,对连续3帧图像分别采用差帧法,对2次帧差取交集实现对前景目标的模糊跟踪,而后对粗糙的运动区域图像进行阈值面积消去处理和数学形态学运算,最后实现目标定位跟踪。仿真结果表明,与传统的二阶帧差的方法相比,视频活动的目标检测算法具有高实效,高精度的特点。