基于图算法的定向越野数据智能分析系统设计

为实现越野爱好者的数据智能分析和定向推荐,设计一个基于DeepGNN深度图算法的定向越野数据智能分析系统。进行定向越野数据智能分析系统整体构建后,分别从活动管理模块、用户管理模块、会员推荐模块和数据库模块进行功能设计;会员活动推荐中,通过基于深度学习网络的显性特征和基于图卷积网络的隐性特征,将两个特征相结合提取高维融合特征,得到DeepGNN深度图算法推荐模型;并基于DeepGNN推荐算法对会员进行定向推荐。测试结果表明,相较于传统的Geniepath模型、Wide&Deep、DeepFM模型,本模型的AUC指标和F1值分别为0.913 5和0.868 4,均高于另外三种模型,分别高出了14%～15.6%左右;通过系统测试发现,本系统可实现定向推荐和智能数据分析,满足越野用户需求。     

实时车辆检测和跟踪系统设计

实时车辆检测和跟踪是室外移动机器人尤其是智能汽车研究领域的一个重要课题。本文介绍了多功能室外移动机器人THMR-V的实时车辆检测和跟踪系统。该系统包括车道线检测和车辆检测和跟踪两个主要模块。车道线检测算法使用新的搜索策略,实时检测结构化道路区域,减少车辆检测算法搜索范围。车辆检测算法以Adaboost算法为基础,利用边缘方向特征,颜色特征,和对称性特征实现车辆检测。文中详细介绍了系统的实现。     

公共安全治理中可疑目标变形Transformer跟踪器

近年来,面向公共场所中智能视频监控的可疑目标跟踪算法取得一定的研究进展,有利于公共安全治理与应急事件的防范。凭借Transformer模型具有完整的Attention机制,本文尝试将其应用于公共安全治理中可疑目标持续精确跟踪与定位。具体为：分析可疑目标跟踪任务的特点,探索目标模板框架和搜索框架之间新颖的交互,提出面向公共安全治理中可疑目标可变形Transformer跟踪算法,命名为DeTrack,其分别构建基于可变形注意机制的编码器模块和基于自注意机制的编码器模块,并利用它们的组合来进行特征交互,之后利用所构建的角点预测头定位可疑目标。DeTrack无需关注所有像素即可定位目标,减少了模型参数量,在LaSOT、TrackingNet、GOT-10K和VOT2020上取得了较好的跟踪性能。     

基于深度学习的视觉多目标跟踪算法综述

视觉多目标跟踪是计算机视觉领域的热点问题,然而,场景中目标数量的不确定、目标之间的相互遮挡、目标特征区分度不高等多种难题导致了视觉多目标跟踪现实应用进展缓慢。近年来,随着视觉智能处理研究的不断深入,涌现出多种多样的深度学习类视觉多目标跟踪算法。在分析了视觉多目标跟踪面临的挑战和难点基础上,将算法分为基于检测跟踪（Detection-Based-Tracking,DBT）、联合检测跟踪（Joint-Detection-Tracking,JDT）两大类及六个子类,研究不同类别算法的优缺点。分析表明,DBT类算法结构简单,但算法各子环节的关联度不高,JDT类算法融合多模块联合学习,在多项跟踪评价指标中占优。DBT类算法中特征提取模块是解决目标遮挡问题的关键,但损失了算法速度,JDT类算法对检测模块更为依赖。目前,多目标跟踪跟踪总体是从DBT类算法向JDT发展,分阶段实现算法准确度与速度的均衡;提出多目标跟踪算法未来在数据集、各子模块、具体场景应用等方面的发展方向。     

基于孪生网络和Transformer的小目标跟踪算法SiamTrans

针对现有小目标跟踪算法的鲁棒性差、精度及成功率低的问题，提出一种基于孪生网络和Transformer的小目标跟踪算法SiamTrans。首先，基于Transformer机制设计一种相似度响应图计算模块。该模块叠加若干层特征编码-解码结构，并利用多头自注意力机制和多头跨注意力机制在不同层次的搜索区域特征图中查询模板特征图信息，从而避免陷入局部最优解，并获得一个高质量的相似度响应图；其次，在预测子网中设计一个基于Transformer机制的预测模块（PM），并利用自注意力机制处理预测分支特征图中的冗余特征信息，以提高不同预测分支的预测精度。在Small90数据集上，相较于TransT(Transformer Tracking)算法，所提算法的跟踪精度和跟踪成功率分别高8.0和9.5个百分点。可见，所提出的算法具有更优异的小目标跟踪性能。     

基于视频的车辆检测与跟踪算法综述

指出基于视频的检测跟踪技术是未来智能交通系统的发展方向。在前人的基础上,综合分析比较几种常用的车辆检测和车辆跟踪算法,其中车辆检测算法包括背景差分法、帧间差分法和光流法,车辆跟踪算法包括基于区域跟踪法、基于特征匹配法及MeanShifi快速跟踪法,分析讨论这几种算法的优缺点,并简单论述其发展趋势。     

基于GhostNet与注意力机制的行人检测跟踪算法

针对复杂场景下仅依靠传统的目标检测与跟踪算法进行跟踪时准确度低且速度慢的问题,提出一种基于GhostNet与注意力机制结合的行人检测与跟踪算法.首先,将YOLOv3的主干网络替换为GhostNet,保留多尺度预测部分,利用Ghost模块减少深度网络模型参数和计算量,在Ghost模块中融入注意力机制给予重要特征更高的权值...     

基于多传感器信息融合的侦察机器人模糊路径跟踪行为研究

侦察机器人自主路径跟踪是执行侦察任务时需要的一个基本行为.首先,用简化的模糊推理方法实现了路径跟踪、障碍避让和车体平衡三个基本智能行为模块,然后通过基于行为优先级的行为协调机制将这些基本行为组合起来,实现了具有多个传感器信息输入和具有自主障碍避让和车体平衡控制能力的自主路径跟踪组合行为.算法具有模块化和分布智能的特点,实时性好,降低了算法实现的复杂性.仿真和实验结果证明了算法的有效性.     

医用药剂中可见异物自动化检测研究

针对国内人工药品检测的低效率、低准确率的不足,文章介绍了一套根据国家行业标准设计的基于智能机器视觉的可见异物自动化检测系统。该系统主要包括机械传动模块、电气控制模块、图像识别与处理模块。根据异物运动连续性和噪声运动无序性等特点,提出了改进的三次差分和能量累积算法来提取运动杂质,然后采用基于基于SIFT特征匹配和最邻近匹配的目标跟踪算法对杂质进行跟踪,获取杂质的大小和数目并分析出杂质总类,最后检测出杂质情况。最后把检测结果与国家标准进行比对,判断出该药剂是否合格。测试表明,系统的检测准确率达90%以上,满足企业要求,基本能替代人工检测。     

基于视频分析和多传感器融合的移动式监控系统

安防场景下,大多数传感器系统（视频、红外、烟雾传感）只能实现单一数据采集、简单处理.提出的移动式智能监控系统以小车为载体,通过对采集视频进行智能分析处理（包括基于背景差分的入侵检测算法和改进的TLD目标跟踪算法）,并辅助多传感器模块进行多信息融合协同监控,可以实现入侵检测、移动跟踪监测等功能.实验表明该系统能提供多种终端形式与用户进行友好交互,实现真正的智能安防.