面向水域场景的热成像人员识别算法研究

针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法, 研究了一种黑暗环境下水域人员目标检测方法。 经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集 IR-YZ。 在对比经典目标检测方法在 IR-YZ 数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻 量级水上目标检测网络 IWPT-YOLO(infrared water person target-YOLO)。 实验结果表明,IWPT-YOLO 算法具有精确、快速、简洁 等优势,其模型大小为 93 MB,平均精度 mAP 达到了 85. 34%,检测速度达到了 20. 975 FPS,比经典算法 YOLOv3 网络与 SSD 网 络在模型大小、平均精度与检测速度上均有提高,验证了 IWPT-YOLO 算法对水域场景下的热成像人员目标具有更好的检测性 能,更明显的优势。     

基于智能视觉物联网的油库人员行为识别与监测系统

针对油库区域人员行为监测响应慢、时效低的问题,提出一种基于智能视觉物联网的油库人员行为识别与监测系统。首先建立智能视觉物联网监测系统架构,满足信号采集、传输、处理与反馈需求;然后提出一种视频语义分析模型,将人体行为识别与人脸识别进行协同分析,实现对油库作业人员行为的分析与监测。经实验验证,在自建的数据库中,系统的人脸识别准确率达96.5%,人体行为识别准确率达85%,说明该系统可有效减少因人员的行为失误造成的油库安全事故,在油库的安全管理中具有很高的应用价值。     

基于人工智能算法的作业现场人员设备资质识别技术研究

针对不具备检修资质的人员误入检修现场和现场检修人员难以近距离查看设备铭牌的问题,设计了设备铭牌和人员设备资质识别设备,设备基于文本检测识别技术和AdaBoost算法人脸识别技术。首先,比较了不同的文本检测和人脸识别算法,给出了最优算法的原理。接着给出文件检测准确度训练的流程,为保证真实性,使用场景是识别图片中文字信息,识别主体是中文,同时包括数字、字母和部分特殊字符。利用OpenCV建立的人脸识别模型,从人脸数据采集、人脸数据训练、人脸检测与识别实现三个方面介绍了人脸识别的训练流程。最后,通过实际应用证明了设备铭牌检测和人脸识别的准确性。     

基于跨模态特征融合的RGB-D 显著性目标检测

RGB-D显著性目标检测因其有效性和易于捕捉深度线索而受到越来越多的关注。现有的工作通常侧重于通过各种 融合策略学习共享表示,少有方法明确考虑如何维持RGB 和深度的模态特征。提出了一种跨模态特征融合网络,该网络维 持RGB-D显著目标检测的RGB 和深度的模态,通过探索共享信息以及RGB 和深度模态的特性来提高显著检测性能。具体 来说,采用RGB 模态、深度模态网络和一个共享学习网络来生成RGB 和深度模态显著性预测图以及共享显著性预测图。提 出了一种跨模态特征融合模块,用于融合共享学习网络中的跨模态特征,然后将这些特征传播到下一层以整合跨层次信息。 此外,提出了一种多模态特征聚合模块,将每个单独解码器的模态特定特征整合到共享解码器中,这可以提供丰富的互补多 模态信息来提高显著性检测性能。最后,使用跳转连接来组合编码器和解码器层之间的分层特征。通过在4个基准数据集 上与7种先进方法进行的实验表明,方法优于其他最先进的方法。     

基于红外视频识别的锂电池健康状态快速检测

针对退役动力电池梯次利用过程中对电池健康状态快速检测的需求,本文以软包磷酸铁锂电池为研究对象,提出基于红外热成像的锂电池健康状态快速检测方法。通过改变电池充电和放电电流倍率,研究不同老化程度的电池在放电过程中的温度变化情况,采集放电过程中的红外热成像视频,建立电池健康状态与红外热成像特征的对应关系,以此作为电池健康状态检测的健康因子;构建基于SlowFast-LSTM深度学习网络模型的改进型视频识别算法,对于电池健康状态0~40%、40%~50%、50%~60%、60%~70%、70%~80%、80%~100%这6种类别的识别率达到80.78%,单次电池检测时间3 min,实现电池健康状态的快速检测。     

基于深度学习的电力作业人员行为识别技术

目前的电力现场安全监控主要通过人员对监控视频进行全程监测,但采用人工检测的方法不仅浪费时间,而且容易出现漏报的情况,使工作人员的人身安全无法得到保障。为实现对作业现场人员行为的智能识别,提出了一种基于OpenPose的电力作业人员的危险行为识别技术。该方法提取视频流图像中电力作业人员骨骼关键点信息,利用深度神经网络实现多人场景下电力作业人员的人体行为姿态感知,实时对施工人员的违规行为进行检测识别,并发出警告。所提方法实现了对电力现场作业人员行为的准确、实时安全监控,保障了现场作业人员的人身安全和电力作业的顺利进行,具有一定的鲁棒性与泛化能力。     

基于3D-Attention与多尺度的矿井人员行为识别算法

为了解决现有行为识别模型在矿井环境下识别率低,对矿井下环境的适应性较弱,不具备适用性的问题,提出基于3D-Attention与多尺度(CSAD)的矿井人员行为识别算法。针对国内外现有矿工行为数据集较为匮乏的问题,自建矿工行为数据集;其次,针对煤矿井下视频动态变化的问题,提出3D多尺度卷积模块,通过学习不同尺度的特征,提升模型的泛化性,增强模型对不同煤矿环境的适应性;考虑到模型在煤矿井下环境中识别率较低的问题,提出改进的A3D-Net注意力模块,使模型更加专注于识别区域的特征提取,进而提升模型的准确率。实验结果表明,在公共数据集UCF101、KTH上进行实验,提出的CSAD模型准确率分别达到89.9%、92.7%,在自建矿工行为数据集上进行试验,模型准确率达到74.98%,在使用视频增强预处理后,准确率达到了76.42%。     

面向云计算环境的网络入侵安全检测技术研究

云计算环境下网络入侵方法具有多变性、隐蔽性、不可预期性等特点,导致网络入侵安全检测变得日益困难,传统入侵检测系统已经难以满足需求。为此,提出了一种面向基于云计算环境的网络入侵安全检测技术。将网络入侵检测任务通过云计算技术来自动分解为若干个子任务,再将这些子任务分别在云计算平台的不同节点予以建模,BP神经网络为建模工具,而其权值参数则是采用杂草优化算法来进行确定;最后再有机融合不同节点的网络入侵检测结果。采用KDD CUP 99数据集对其性能进行仿真试验,结果表明可有效缩短入侵检测的训练时间与测试时间,较好地达到了实时监测网络入侵行为的效果,应用价值较高。     

基于视觉检测的间歇性接地故障研究

线路发生间歇性接地故障时接地电流较小,并且具有瞬间性的特点。针对瞬时接地电流会导致接地电阻温度升高的特点,提出对主变接地电阻等装置以200ms的采样频率进行非接触视觉检测以及监控瞬时温升,获取接地电阻的表面、室内外、油枕油位等温度数据,利用检测得到的大量数据通过BP神经网络来优化诊断结果,从而改善系统检测的滞后性,达到快速判断并处理故障。基于数据驱动的数学模型,对间歇性接地故障进行预警和告警,并通过实验验证了该方案的可行性与有效性。     

基于脉冲红外热成像的锂电池端盖焊接检测的可行性研究

锂电池的高能量密度可保证锂电池存储更多的电能,同时也带来了更高的危险系数,通常采用电池端盖保障安全。端盖不仅可以起到断路器作用,也可有效释放内部压力。端盖采用激光焊接,很容易造成焊穿孔、断焊、虚焊等现象,目前主要依靠目视检测、图像检测,但上述检测方式不能检测出断焊接、虚焊问题。本文使用脉冲红外热成像技术对激光焊接检测进行可行性研究,制作了焊接率为100%、50%、33%、25%的4个试件,设计了三种检测方案：透射式正面检测、反射式背面检测、反射式正面检测。结果表明脉冲红外热成像技术可用于锂电池端盖焊接质量的检测,并且反射式正面检测效果最佳,不仅可以分辨出焊接率不同的4种试件,而且图像边缘细节更加明显,透射式正面检测和反射式背面检测可分辨是否100%焊接,无法有效分辨出50%、33%、25%三种焊接率的试件。     

基于关联信息的红外微波复合探测技术研究

针对红外微波复合探测的目标识别问题,提出了基于关联信息的多传感器复合探测目标识别方法,通过红外与微波传感器对真实探测目标和虚假干扰目标的回波差异分析,采用关联信息融合的方法提取相应的特征参数进行对比与分析。在此基础上建立了红外微波传感器探测目标识别的数学模型,并分析研究了基于关联信息的红外与微波复合探测目标识别问题,最后通过实验的方式加以验证并得出结论,该种方法在目标探测及识别方面具有较为显著的效果。     

基于骨骼的双支融合模型的人体行为识别

针对循环神经网络存在提取特征单一,对特征的空间信息处理不充分的问题,提出一种基于骨骼的双支融合的人体行为识别模型。该模型由双向循环门网络和多尺度的残差网络融合的双支网络中进行特征提取,得到丰富的时间和空间上的特征信息,并且在双向循环门网络中增加注意力机制,进一步提升整个网络的性能,最后将特征信息经过分类器进行分类得到动作。分别使用UCF101和HMDB51数据集进行实验,准确率分别为98.0%和67.8%。通过实验测试,证明该模型能够获得更加完整的特征信息并且具有良好的性能指标。     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

复杂环境下课堂多人状态检测算法研究

新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于YOLO和OpenPose模型的课堂多人状态检测算法.提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题.此外,提出了一种轻量化的Class-OpenPose模型检测学...     

改进WMIL的实时人脸检测与跟踪

针对WMIL在光照突变或者全部遮挡的的情况下会出现跟踪失败以及在跟踪错误情况下无法自动恢复跟踪的问题,提出了一种基于改进WMIL算法和AdaBoost的实时人脸检测和跟踪算法。利用AdaBoost的方法检测人脸信息,然后在改进WMIL算法的框架下,对人脸图像进行多尺度表示,采用压缩感知的方法来提取样本特征。最后,利用改进WMIL算法建立分类器对人脸进行跟踪,自适应调整跟踪窗口的大小,并实时更新。实验结果表明,改善了WMIL存在的不足,有效解决了在人脸外观变化,姿态改变、快速运动等情况下,能稳定准确地实现目标的实时跟踪。     

基于雷达的铁路直轨环境检测方法研究

针对机器视觉检测实时性不足、视距较短、环境适应性差,无法满足铁路全天候多环境运行的需求等问题,提出基于微波 雷达的铁路直轨环境物体检测方法。 通过离线实验对雷达的测量特性进行标定,经数据处理得到雷达的误差校正函数。 综合铁 路安全限界标准、雷达测量参数、雷达横向测量误差,实时构建雷达坐标系下的限界区域,对误差校正后的物体进行限界内方侵限 判断,并对雷达检测范围内的动目标进行滤波跟踪。 实景测试结果表明,雷达检测性能好,实时性高,具有很好的环境适用性。     

基于活动摄像头的人脸定位跟踪系统

针对固定摄像头无法自动跟踪拍摄运动目标的缺陷,设计了基于舵机的活动摄像系统,以实现活动人脸的定位与跟踪.在adaboost人脸检测算法的基础上,结合计算机视觉类库OpenCV与图形界面开发框架Qt在VS2010开发环境下,设计并实现了人脸检测-定位-跟踪系统.测试结果表明,在明亮环境条件下识别准确率达到100％,在昏暗条件下准确率为95％,对于人脸的部分遮挡以及上、下、左、右侧脸都能被检测到.本文方法可广泛应用于安防等领域.     

基于热红外成像技术的绝缘子故障分类研究

针对停电测量绝缘电阻或带电测量分布电压等检零方式在实际操作中,都存在停电范围大、人员安全风险高、检测周期无法保证等问题,本文分析了盘形悬式瓷绝缘子红外精确测温的数据,并通过专家经验总结出利用红外热图的绝缘子故障分类研究。对绝缘子可能出现的故障类型通过绝缘电阻测试、绝缘子电压分布测试、泄漏电流测试、交流耐压测试等试验手段验证最终的热红外成像故障分析结果。     

基于OpenCV和 YOLOv5的车道线检测与识别

为更加快速、准确识别汽车行驶区域并区分车道,实现无人驾驶,提出一种结合视觉OpenCV 算法和改进 YOLOv5算 法的目标检测跟踪模型进行车道线检测的方法。在图像预处理阶段,首先读取视频图像,把每一帧RGB图像转为灰度图,通 过Canny 算子对图像的边缘轮廓进行提取,然后绘制车道线的掩码区域,并与边缘检测结合,采用ROI 技术提取感兴趣区域, 最后进行概率霍夫变换和最小二乘拟合,将得到的直线绘制到原图像中,最终对每一帧处理后的图像进行输出。目标识别模 块采用卷积神经网络(convolutional neural network,CNN)深度学习方法及 YOLOv5算法进行目标识别处理。实验结果表 明,所提检测算法能够实现准确的车道线检测,实时性和准确性比传统算法高很多,且该方法具有良好的鲁棒性。     

基于骨架模型的人体行为分析

随着深度学习运用到图像领域,姿态估计、行为分析等算法的性能得到显著提升,希望在利用较好模型基础上进一步分析,在尽可能短的时间内得到更直观的结果。2016年提出的沙漏堆网络对人体关节点进行多尺度、多阶段的训练,在MPII数据集上回归了16对关节点坐标,在单个11 G显存的GPU上的平均准确率为87.6%;连接关节点构建人体骨架模型,然后根据骨架模型的加权角和倾斜角等几何特征,进一步推断人体的动作和行为状态,最后对人体行为进行分类和判断,包括站立、直坐、躺下等常见7类动作,平均准确率为82%,优势在于有效降低计算量和处理时间。