一种基于标准化人眼图像的视线估计算法

本文提出了一种基于标准化人眼图像的视线估计算法,能有效解决头部运动对视线估计的影响.本算法在一个红外摄像机和三个红外光源的条件下,利用三个光斑(光源在角膜表面的反射点)的图像信息,将人眼图像变换到标准化人眼图像.通过引入标准化人眼图像,使屏幕平面到标准化人眼图像平面的射影变换为定值,从而使标准化人眼图像的瞳孔中心和屏幕上的视点的变换关系为定值,由此解决了头部运动对视线估计的影响.实验结果验证了该算法在头部运动情况下的有效性.     

一种基于立体视觉的视线估计方法

针对现有视线估计方法存在的主要问题:限制使用者头部运动和个体标定问题,本文提出一种基于立体视觉的视线估计方法.建立了一种双相机双光源条件下计算眼睛光轴的five-spot模型,本模型估计眼球光轴三维方向只需要一次直线求交运算.以此为基础形成一种新的视线估计方法,本方法实现了自然头动视线估计,并且简化用户标定为单点标定.该方法的各个环节都满足实时性要求,为面向人机交互的视线追踪系统提供了有效的解决方案.     

基于差分卷积的自适应视线估计

文章提出了一种基于差分卷积神经网络的自适应视线估计模型。在模型中,融入头部姿态信息,利用差分卷积设计了一种差分网络(Differential Network,DNet),通过训练该网络来预测眼睛的凝视差异,用以校准初步视线估计结果,进而降低视线估计误差。通过在公开数据集Eyediap上进行验证,并与其他性能良好的视线估计模型进行比较,结果均表明所提出的视线估计模型在头部自由运动的状态下可以更准确地估计视线方向。     

利用视线测量估计自由段弹道的方法研究

本文主要研究空间预警系统利用星载红外传感器的视线测量估计弹道导弹自由飞行段弹道的问题.针对目标运动的弱可观测性,提出了只约束位置的改进Gauss-Newton方法,解决了弹道的最大似然估计问题,并利用Monte Carlo仿真实验验证估计算法的有效性,且对估计误差进行了分析.     

基于改进沙漏网络的人体姿态估计方法

近年来人体姿态估计已成为计算机视觉领域的热门研究方向,堆叠沙漏网络是人体姿态估计领域中最具代表性的研究成果之一,但该网络对于图像细节特征的提取能力较差。为增强网络对细节特征的处理能力,本文提出了基于改进沙漏网络的人体姿态估计模型。该模型使用ResNet50提取高质量的图像底层特征,用步长为2的3×3卷积核代替maxpooling进行下采样,最大程度保留原有图像信息;考虑到不同分辨率下的特征丰富度具有一定差异性,使用不同的残差模块对不同分辨率的feature map进行处理,增强网络对特征的学习能力;最后使用反卷积最大化还原原始图像的局部特征。实验结果显示,本文模型在COCO测试集上的平均精度达到74.1%,比堆叠沙漏网络高出4.7%,检测精度有较大提升。     

基于深度残差网络的雷达目标数量估计方法

传统雷达目标检测方法一般将单个距离单元的目标当成单目标进行检测,而不会估计距离单元内目标的数量。针对该研究空缺,提出一种基于深度残差网络的雷达目标数量估计方法。该方法将雷达信号转换成时频图并输入至训练好的深度残差网络。残差网络根据单个目标与多个目标对应时频图的差异即可准确得到雷达目标数量的估计值。仿真表明该方法能有效地估计出雷达目标数量。     

基于单相机双光源的视线估计

提出一种角膜反射和虹膜中心估计算法相结合的视线估计方法,使用单相机、双辅助光源构建了头部可自由运动的视线估计系统。在准确提取两个反射光斑位置和虹膜中心坐标的基础上,以多项式函数的形式建立视线特征向量与测试屏上注视点坐标之间的映射关系。实验结果表明,系统在水平方向上视线估计的平均误差为0.91°,在垂直方向上平均误差为1.1°,达到了良好的视线估计效果。     

基于孪生网络与注意力机制的目标跟踪方法

为了解决在目标跟踪过程中对目标跟踪不准确,导致目标跟踪丢失或漂移等情况。本文在此基础上提出基于孪生网络与注意力机制相结合的目标跟踪方法。将网络架构有原有的AlexNet网络更改为经过修改的ResNet50网络,并在网络结构中加入卷积模块注意力。该注意力机制从通道和空间两个维度计算特征图和注意力图。最后,在OTB100上对算法进行了评估,准确率比原算法有所提高。     

基于改进残差网络的道口车辆分类方法

为了提高模型在道口环境下的车辆图像的特征提取和识别能力,提出了一种基于改进残差网络的车辆分类方法。首先以残差网络为基础模型,改进了残差块中激活函数的位置,并将残差块中的一般卷积用分组卷积代替,引入注意力机制,用焦点损失函数替换交叉熵损失函数。实验部分先用公开数据集StanfordCars进行预训练,再用自建的道口车辆数据集进行迁移学习。结果表明,改进模型在两个数据集中的准确率均优于几种经典的深度学习模型。     

基于CBAM的深度序数回归方法

本文针对单目深度估计模型深度序数回归算法中全图像编码器易丢失较大像素值像素特征信息和位置信息的缺点,提出一种基于CBAM的深度序数回归方法.首先,将CBAM嵌入到深度序数回归算法中作为全图像编码器,依次采用通道注意力机制和空间注意力机制来捕获图像完整的特征信息和位置信息,通过获得的注意力图重新调整原始特征;其次,对像素...     

非受限条件下双流增强浅层网络人脸年龄估计

针对非受限条件下人脸遮挡、光照不均、表情复杂、姿态各异等影响年龄估计精确率低的问题,提出一种非受限条件下双流增强浅层网络的人脸年龄估计(E2-doubleNet)算法.首先,在E2-doubleNet设计中采用了两个异构的单流浅层卷积神经网络模型以提高网络的学习能力;然后,在两个模型中采用不同的激活函数和池化层,增强网...     

基于贝叶斯网络的态势估计方法

结合态势估计的特点,介绍了黑板结构和贝叶斯网络2种用于态势估计的方法,分析了各自的优缺点,并选取贝叶斯网络来进行态势估计。详细讨论了战场态势在贝叶斯网络中的知识表示和信息传播。针对静态贝叶斯网络难以捕捉动态战场信息的缺点,采用了动态搜索最佳网络的方法进行推理,为战场态势估计提供了新的思路。     

多尺度循环注意力网络运动模糊图像复原方法

在图像采集过程中,由于拍摄对象运动或相机自身运动造成的图像模糊对于后续的高级视觉任务会产生很不利的影响。针对当前深度学习图像去模糊方法不能兼顾去模糊效果和效率的问题,提出了一种多尺度循环注意力网络,使用深度可分离卷积降低参数量,改进注意力模块合理分配计算资源,对卷积层进行密集型连接提高参数利用效率,引入边缘损失提升生成图像边缘细节信息。经过实验验证,所提方法具有良好的泛化性能和鲁棒性,在Lai数据集和K?hler数据集上的SSIM和PSNR较近年典型方法的最佳效果分别提升了约1.15%、0.86%和0.91%、1.04%,在GoPro数据集上的平均单帧运行速度较同类方法提升约2.5倍。     

基于残差卷积注意力网络的视频修复

视频修复旨在填补视频中的缺失区域,由于很难精确保持修复内容的时空一致性,故视频修复仍具有挑战性。针对现有视频修复中存在的修复结果语义信息不连续,出现视频模糊和时间伪影,以及网络设计越来越复杂,网络整体速度变慢的问题,本文提出了一种基于残差网络的卷积注意力网络(RCAN)用以视频修复。通过将自注意力机制和全局注意力机制引入进残差网络,增强网络对所有输入帧的时空特征的学习能力,并采用时空对抗损失函数进行优化,提高视频修复的质量。同时网络还能够高度自由地定义层数和参数量,提高网络的实际应用能力。实验结果表明,该网络在DAVIS和YouTube-VOS数据集上取得了PSNR为30.68 dB,SSIM为0.961,FID为0.113的平均修复结果,基本符合实际场景对模型的修复质量要求,为视频修复提供了一种新思路。     

基于注意力机制的残差密集网络红外/可见光图像融合

针对弹载武器可见光图像与红外融合高层特征融合不足,目标细节表现不突出导致打击目标检测失败的问题,提出了一种基于注意力机制的残差密集网络的红外与可见光图像融合模型。受残差网络和密集网络的启发,设计了一种基于残差密集网络的图像融合算法解决融合图像细节纹理信息不足的问题。采用注意力机制有效提取目标特征区域的关键信息,通过局部残差融合和全局残差融合算法保留目标的纹理细节。此外,为了更好地保留可见光图像中的细节纹理,对目标细节特征发现时增强特征抑制。实验证明,该算法能够增强目标细节特征,同时有效保存了其轮廓信息,与不采用注意机制提高相比,融合精度提高了5%,运算量下降2%左右。     

基于低成本眼动记录系统的视线估计研究

高精度眼动记录技术现已非常成熟,但昂贵的价 格限制了当前商用眼动仪的应用 范围,发展灵 活、低成本的眼动记录系统将是眼动跟踪技术的重要研究方向。本文设计了一种 低成本、低侵 入性的耳麦式眼动记录系统。系统由两个普通CMOS摄像机及耳麦式支架构成,两个摄像机 分别记录注 视场景图像及人眼图像,成本仅为当前商用眼动仪的几百分之一。针对系统 采集的数据,提出一种分段 加权环形Hough变换算法提取虹膜轮廓及中心作为特征,采用支持向量回归(SVR)算法 估计注视点与特征点位置 的映射关系。设计了一种简便的标记注视点坐标的方法,实现注视估计。实验结果表明, 对场景图像中随机位置的注视方向估计平均误差为1.57°,表明低成本眼动仪可以满足日常 交互需求。     

基于改进残差网络和动态ReLU肺癌病理图像分类

为实现肺癌病理图像的准确分类，提出一种基于双重注意力和动态ReLU的残差网络DrANeT,在网络模型中嵌入CBAM双重注意力机制，提高网络提取有用特种图的能力；使用动态ReLU替换网络中所使用的普通ReLU,可以根据不同特征图自动调整参数，提高模型性能。实验结果表明，该网络模型在肺良性图像、肺腺癌图像和肺鳞状细胞癌图像准确率分别达到100.00%、99.96%、99.96%,整个数据集准确率达到99.96%。因此，表明本实验所改进的网络模型可以有效地提高肺癌病理图像分类的准确率。     

基于改进YOLOv3的目标检测方法研究

针对目标检测算法YOLOv3检测精度低、目标识别效果差等问题,从特征提取和特征融合的角度提出一种改进的YOLOv3目标检测算法。采取连续残差结构和深度卷积双路特征提取来扩展感受野,在深度卷积模块中以改进的混合池化来替换最大池化;在特征融合方面,引入CBAM,并在增强残差模块中增加了注意力特征融合模块。实验结果表明,改良后的YOLOv3算法在百度与北京林业大学合作的Insects昆虫数据集上的检测精度达到了71.22%,比原始算法的检测精度提升4.88个百分点,验证了该算法的有效性。     

基于理想弹道的全捷联弹药视线角估计方法

针对惯性测量元件不能满足低成本制导弹药作战需求问题,提出一种基于理想弹道的全捷联激光半主动末制导弹药视线角估计方法。该方法根据弹目相对运动模型及导引头量测模型建立非线性滤波系统;针对弹体运动参数在末制导段变化范围较小的特点,通过分析弹体运动参数对系统不确定性的影响,将理想弹道弹体运动参数标准值作为滤波系统参数;利用激光半主动导引头量测信息,结合容积卡尔曼滤波对弹目视线角进行估计。数字仿真实验结果表明:在小扰动条件下,弹目视线倾角与偏角末制导段的均方根误差分别为0.182与1.668,其最大估计误差分别为0.259与2.913,具有较好的估计精度与鲁棒性能。