一种基于实例语义图的屏幕反窃照识别算法

目前防窃照技术手段主要依靠图像采集设备实时采集视频流,对拍照行为进行识别检测,但受复杂环境影响,现有识别方法存在精确度低、实时性差等问题。针对上述问题,提出了一种基于实例语义图的屏幕反窃照识别算法。该算法首先通过图像分割模型U²-Net提取原图像的显著视觉目标后生成实例语义图,然后通过微调单阶段的目标检测模型YOLO-v5实现对语义图中感兴趣对象的目标检测,最后通过设计的基于Inception-ResNet的拍照识别二分类模型实现对屏幕窃照行为的识别。实验结果表明,该算法在实际场景下的平均识别准确率达到95%以上。     

基于激光传感信号的动态环境目标智能识别研究

由于利用原有方法自动识别复杂环境运动目标时,图像存在的噪声会导致误识别率较高,因此,提出一种基于机器视觉的复杂环境运动目标自动识别方法.通过高斯混合建模方法检测复杂环境下的运动目标,具体步骤为确定高斯混合模型的实际初始参数,更新高斯混合模型的对应参数,最后对各高斯函数的实际权值实施归一化处理.基于机器视觉中的局部二值模型提取复杂环境下的运动目标特征,根据提取的运动目标特征,通过三帧差法选取并比较三帧相邻的复杂环境图像,然后两两作差并实施二值化,以及执行逻辑"与"运算,实现复杂环境下运动目标特征的识别.通过将基于机器视觉的复杂环境运动目标自动识别方法与原有方法进行性能对比实验,证明该方法的误识别率低于两种原有方法,实现了运动目标识别性能的提升,对于监控系统的发展有很大意义.     

基于形状统计模型的多类目标自动识别方法

形状是人类视觉系统分析和识别目标的基础。针对现有方法的不足,该文提出了一种新的基于形状统计模型的多类目标自动识别方法。该模型定义形状基元对作为特征描述子,从样本图像中抽取典型基元对,聚类量化后组成形状字典。然后综合分析各类信息,通过无监督学习来统计目标的特征分布状况,构建类别形状模型。快速定位目标区域并辨识对象类别后,可结合图像分割获取精确形状。实验结果表明,该方法能准确、高效地提取多种类型和复杂结构的目标,较好解决了噪声干扰、旋转侧偏等问题,具有较强的实用价值。     

基于空间语义模型的高分辨率遥感图像目标检测方法

该文提出一种基于空间语义模型的方法,用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。该方法通过分割获取图像对象,引入主题模型统计对象的多维特征,提高了对象特性描述的精度。在此基础上,对图像中有意义的地物目标及它们之间的空间关系建模表达和定量计算,通过获取场景的语义解析树,辅助实现对复杂地物目标的准确提取和定位。在测试数据集上的实验结果表明,该文方法具有较高的智能化程度和较强的稳定性。     

基于语义分割的多目标违禁品识别算法

基于深度学习的语义分割算法可以实现安检违禁品自动识别,并获得违禁品的位置、类别及形状信息。但传统的语义分割算法在面对违禁品尺寸不一且目标多样的识别任务时表现较差。针对该问题,本文提出了一种基于语义分割技术的多目标违禁品识别算法。编码阶段,设计使用空洞空间金字塔卷积模块（Atrous Spatial Pyramid Convolution Block, ASPC）,提升网络对于特征图多尺度信息的挖掘能力。同时引入注意力机制,对ASPC模块的特征提取过程进行监督,进一步提升模块的特征提取能力。解码阶段,受U-Net模型启发,采用逐级上采样操作,同时加入1×1卷积实现通道降维,减少计算量,提升模型运行速度。实验结果显示,本文提出的算法在多目标违禁品识别任务中表现良好,平均交并比（mIoU）得分78.62,处理单张图片用时（Time）68ms。      

面向电力服务情绪识别的图卷积网络方法研究

情绪识别对于提升电力交互式服务平台的工作效率与服务质量有重要意义。传统的情绪识别技术通常使用基于循环神经网络(recurrent neural network, RNN)或类似结构的模型刻画对话中的上下文关系,上下文之间的语义传递具有局限性。针对这一问题,提出了一种引入图卷积网络(graph convolutional network, GCN)的情绪识别模型,利用图结构对对话文本内容的上下文依赖性建模,以刻画对话中更为复杂的上下文结构。实验表明,该方法相比传统方法在情绪识别任务中具有更好的表现。     

基于ADSP-BF561的视频跟踪系统的研究与实现

设计了基于ADSP-BF561的视频跟踪系统,通过控制摄像机姿态实现对运动目标的自动识别和跟踪。系统采用三帧间差分法与图像分割相结合进行目标识别,利用卡尔曼滤波算法进行目标定位,辅以云台运动控制算法完成目标跟踪。经室内测试,该系统能对运动目标进行有效识别与跟踪,且具有一定的实时性及稳定性。     

基于改进YOLOv5的坦克目标检测算法

坦克目标的准确识别定位是信息化战争中一项重要研究,针对传统检测算法抗干扰性差、难应用于大视野复杂环境下的问题,提出了一种基于改进YOLOv5坦克自动识别的检测算法。利用YOLOv5模型对大视野复杂战场环境下坦克目标进行识别：在YOLOv5基础模型中引入Attention-based information fusion模块,提高模型检测精度和识别能力;使用Pre-segment multi-scale fusion模块解决骨干网络中池化操作所造成的信息丢失问题;使用Swin Transformer机制降低小目标坦克漏检误检的问题。在坦克数据集上进行实验,结果表明：与YOLOv5原始模型相比,改进模型的召回率、平均精度分别提高了9.1%、5.1%。改进后的YOLOv5模型可以很好地对大视野复杂环境下坦克目标进行精确识别,改善了坦克目标检测中小目标漏检的问题。     

使用GMM背景减除的红外伪装人体目标快速识别算法

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。     

基于几何特性的目标识别

目标自动识别技术是模式识别与图像处理领域非常活跃的研究课题,其应用领域十分广泛。介绍了基于遥感图像的特定目标的自动识别技术,并分别以桥梁和油库为例,介绍了线状目标和面状目标的自动识别方法及其在工程中的实际应用。结果表明:该目标自动识别方法具有识别速度快和识别准确率高等优点,且整个过程完全自动,不需人工干预。     

An effective use of adaptive combination of visual features to retrieve image semantics from a hierarchical image database

Correlating semantic and visual similarity of an image is a challenging task. Unlimited possibilities of objects classification in real world are challenges for learning based techniques. Semantics based categorization of images gives a semantically categorized hierarchical image database. This work utilizes the strength of such database and proposes a system for automatic semantics assignment to images using an adaptive combination of multiple visual features. ‘Branch Selection Algorithm’ selects only a few subtrees to search from this image database. Pruning Algorithms further reduce this search space. Correlation of semantic and visual similarities is also explored to understand overlapping of semantics in visual space. The efficacy of the proposed algorithms analyzed on hierarchical and non-hierarchical databases shows that the system is capable of assigning accurate general and specific semantics to images automatically.     

基于网格密度优先的北斗用户目标可视化方法研究

结合北斗用户目标的空间分布和属性特点，提出了一种基于关联关系的语义多尺度聚合模型，并对网格聚合算法进行了优化，改进并提出了基于网格目标密度优先顺序聚合和聚合中心的计算方法，在提高聚合效率的同时，改善了聚合显示效果。该方法在某北斗监测系统中得到了应用和试验，结果表明，算法原理简单、运算效率较高，且更贴近于表达北斗用户目标的实际分布特征，为海量空间数据可视化提供了解决方案，具有较高实用价值，基本满足了不同地图比例尺显示场景对用户目标的感知和理解需要。     

基于跨模态对比的场景图图像生成

条件图像生成根据不同形式的输入生成符合条件的图像,其中场景图是一类具有代表性的条件输入形式。场景图将图像中的物体抽象为节点,将物体之间的关系抽象为边,是一种广泛应用在计算机视觉和跨模态领域的结构化图表示。由于场景图中包含多个物体和物体之间的关系,现有的场景图图像生成方法容易导致生成结果和条件语义不一致,例如物体缺失和关系错误等。本文提出基于跨模态对比的生成方法解决上述问题。首先,本文提出关系一致性对比使生成的物体关系和输入的边保持一致。我们设计了联合特征代表图像中的物体的关系,并拉近联合特征和与其相关的边特征的距离,使其相比于不相关的边特征距离更接近。本文引入物体一致性对比使的生成的物体区域和输入的节点保持对应。在这个部分我们使用注意力机制获得节点对应的物体特征,然后拉近相关的节点特征于物体特征的距离。最后,本文提出全局一致性对比使的生成的图像整体和输入的场景图保持一致, 该对比损失将相关联的图像和场景图特征拉近,同时将不相关的样本特征相互远离。我们COCO-stuff和VG数据集上进行了详细的实验,实验结果表明我们的方法相比当前最佳性能分别在两个数据集上提升8.33%和8.87%的FID。消融实验表明每个对比损失模块都能够提升图像的生成质量,可视化结果展示了方法对于解决上述问题的有效性。从实验结果可知,我们的方法不仅能够提升图像的生成质量,并能够有效缓解物体缺失和关系错误等语义不一致问题。      

Automatic Detection of Geospatial Objects Using Multiple Hierarchical Segmentations

The object-based analysis of remotely sensed imagery provides valuable spatial and structural information that is complementary to pixel-based spectral information in classification. In this paper, we present novel methods for automatic object detection in high-resolution images by combining spectral information with structural information exploited by using image segmentation. The proposed segmentation algorithm uses morphological operations applied to individual spectral bands using structuring elements in increasing sizes. These operations produce a set of connected components forming a hierarchy of segments for each band. A generic algorithm is designed to select meaningful segments that maximize a measure consisting of spectral homogeneity and neighborhood connectivity. Given the observation that different structures appear more clearly at different scales in different spectral bands, we describe a new algorithm for unsupervised grouping of candidate segments belonging to multiple hierarchical segmentations to find coherent sets of segments that correspond to actual objects. The segments are modeled by using their spectral and textural content, and the grouping problem is solved by using the probabilistic latent semantic analysis algorithm that builds object models by learning the object-conditional probability distributions. The automatic labeling of a segment is done by computing the similarity of its feature distribution to the distribution of the learned object models using the Kullback-Leibler divergence. The performances of the unsupervised segmentation and object detection algorithms are evaluated qualitatively and quantitatively using three different data sets with comparative experiments, and the results show that the proposed methods are able to automatically detect, group, and label segments belonging to the same object classes.     

一种具有隐蔽色特征物体的图像分类方法研究

针对图像中某几类物体具有相似颜色特征而导致的分类困难问题,本文提出了一种具有隐蔽色特征物体的图像分类方法.该方法针对可见光图像中具有颜色隐蔽性物体而难以区分的问题,通过将二维图像的邻域像素空间特征与高光谱图像的谱段特征相结合并使用改进的局部线性嵌入降维算法实现了空谱联合的特征降维,最终利用主动学习胶囊网络训练高光谱数据...     

基于空间语义对象混合学习的复杂图像场景自动分类方法研究

场景分类是将多幅图像标记为不同语义类别的过程。该文针对现有方法对复杂图像场景分类性能欠佳的不足,提出一种新的基于空间语义对象混合学习的复杂图像场景分类方法。该方法以多尺度分割得到的图像对象而非整幅图像为主体进行产生式语义建模,统计各类有效特征挖掘对象的类别分布信息,并通过空间金字塔匹配,构建包含层次数据和语义信息的中间向量,弥补语义鸿沟的缺陷,训练中还结合判别式学习提高分类器的可信性。在实验数据集上的结果表明该方法具备较高的学习性能和分类精度,适用于多种类型和复杂内容图像的解译,具有较强的实用价值。     

Detection and Segmentation of Concealed Objects in Terahertz Images

Terahertz imaging makes it possible to acquire images of objects concealed underneath clothing by measuring the radiometric temperatures of different objects on a human subject. The goal of this work is to automatically detect and segment concealed objects in broadband 0.1–1 THz images. Due to the inherent physical properties of passive terahertz imaging and associated hardware, images have poor contrast and low signal to noise ratio. Standard segmentation algorithms are unable to segment or detect concealed objects. Our approach relies on two stages. First, we remove the noise from the image using the anisotropic diffusion algorithm. We then detect the boundaries of the concealed objects. We use a mixture of Gaussian densities to model the distribution of the temperature inside the image. We then evolve curves along the isocontours of the image to identify the concealed objects. We have compared our approach with two state-of-the-art segmentation methods. Both methods fail to identify the concealed objects, while our method accurately detected the objects. In addition, our approach was more accurate than a state-of-the-art supervised image segmentation algorithm that required that the concealed objects be already identified. Our approach is completely unsupervised and could work in real-time on dedicated hardware.      

一种基于目标红外特征的目标分类识别方法

基于目标的红外选择性,提出了目标的９个特征量,并以它们为分量组成目标的特征向量,以此来进行目标的分类识别。由于特征量单位不统一,提出了一种近邻分类法。文中用３类飞机的红外图像进行实验。实验表明,用这种方法把提出的红外特征量用于目标的分类识别效果很好。