基于场景-部件的人体行为识别方法

基于部件的行为识别方法给图像行为识别领域提供了一种新的思路，即将人体行为识别看成是一种人体各个部件行为的组合。但是这种方法完全忽视了除人以外的任何东西，导致了某些姿态过于相似的行为无法区分。针对这一不足，在基于部件(Part-based)的行为识别方法基础上，提出了基于场景-部件(Scene-Part based)的行为识别方法。实验过程中利用卷积神经网络将部件和场景的外观特征转换为行为特征，并通过全连接层将所有特征连接，进行人体行为类别的最终判定。在Standford40和PASCAL VOC2012两种行为识别数据集上的实验结果表明，相对于基于部件的行为识别方法而言，基于场景-部件的行为识别方法能更好地区分相似行为，从而进一步提高行为识别的准确率，提升精度约为1%。     

基于迁移学习的复杂场景海洋鱼类识别方法

针对海洋渔业监管复杂场景下鱼类识别面临的方法落后及系统性理论研究缺乏等问题,提出一种基于迁移学习模型融合的识别方法。通过ImageNet数据集获取预训练模型InceptionV3,把其特征提取部分作为实验模型的特征提取器,在特征提取器后接入AveragePooling层和Softmax分类层,形成新的训练网络;通过NCFM数据集对新的训练网络进行十折交叉验证,得到十个新的鱼类识别模型,进行模型融合后,识别准确率达到97.368%,比单纯新网络模型提高了29.868%。实验结果表明,该方法在复杂场景下的鱼类识别准确率及其泛化性等性能均优于已有相关方法,能够为渔业捕捞监管系统的智能化升级提供可靠的技术支撑。     

一种基于改进卷积神经网络的RGB-D室内场景分类方法

RGB-D室内场景分类是一项极具挑战性的工作,卷积神经网络在场景分类方面已经取得了非常好的效果,但是由于室内场景存在多种目标且布局复杂,另外不同类别的场景之间存在相似性,因此传统卷积神经网络直接应用于室内场景分类存在着很多问题。针对这些问题,本文提出一种改进的基于卷积神经网络的RGB-D室内场景分类方法,包括2个分支,一个是基于ResNet-18的全局特征提取分支,另一个是深度与语义信息的融合分支。将2个分支得到的特征进行融合,达到室内场景分类的目的。在SUN RGB-D数据集上的实验结果表明,所提出的方法优于现有的对比方法。     

基于多级特征融合与注意力模块的场景识别方法

场景图像通常由背景信息和前景目标对象构成,用于场景识别任务的卷积神经网络(CNN)通常需要根据场景中关键目标的特征,甚至结合目标之间的位置关系来识别出场景所属类别.针对场景图像中较小尺寸的关键目标特征随着网络层次的加深而逐渐消失,从而导致场景识别错误的问题,提出了一种基于多级特征融合与注意力模块的场景识别方法.首先,将...     

基于卷积神经网络的场景分类预测模型应用

传统的场景分类技术对场景数据的采集、特征提取和预测模型复杂,且识别度及识别结果不高,卷积神经网络技术的优化升级,给场景分类模型提供了坚实的基础,为了提高场景图像特有的特征属性和场景分类的可辨别性,提出了卷积神经网络(CNN)的场景分类模型.此模型建构方法:(1)应用卷积神经网络的机器学习算法和递归神经网络,分别对数据库...     

基于卷积神经网络和语义信息的场景分类

作为计算机视觉领域的一个重要分支,场景分类在许多场所有着重要和广泛的应用。由于场景的整体布局、目标物体的出现以及位置关系的变化等因素使得整体场景更加多样化,然而,利用场景与目标间的语义信息可以有效克服这个问题。本文提出一种同时利用卷积神经网络与语义信息来进行场景分类的方法,该方法首先利用卷积神经网络获取颜色信息对场景进行初始分类,然后利用图像目标物体与场景间的语义信息对分类结果进行修正。我们与目前流行的场景分类方法进行了实验对比,实验结果表明与利用海量训练数据集得到好的分类效果的方法相比,本文方法利用有限的训练数据集的情况下,仍能取得良好的分类效果。     

结合目标检测的室内场景识别方法

在目标检测网络(ObjectNet)和场景识别网络相结合的方法中,由于ObjectNet提取的目标特征和场景网络提取的场景特征的维度和性质不一致,且目标特征中存在影响场景判断的冗余信息,导致场景识别的准确率低.针对这个问题,提出一种改进的结合目标检测的室内场景识别方法.首先,在ObjectNet中引入类转换矩阵(CCM...     

无人机目标分类的深度卷积网络设计与优化

针对传统无人机目标分类方法效率低、特征提取能力不足和适应性差等问题,通过对无人机自身特点和现有分类方法的分析,提出了引入注意力机制优化深度卷积神经网络的无人机分类方法.设计多组对比实验,根据实验效果设计出模型结构为3层卷积层、3层池化层、2层全连接层的卷积神经网络进行训练,得到最优的无人机目标分类模型,再引入卷积注意力...     

单阶段多框检测器无人机航拍目标识别方法

无人机（UAV）航拍图像视野开阔,图像中的目标较小且边缘模糊,而现有单阶段多框检测器（SSD）目标检测模型难以准确地检测航拍图像中的小目标。为了有效地解决原有模型容易漏检的问题,借鉴特征金字塔网络（FPN）提出了一种基于连续上采样的SSD模型。改进SSD模型将输入图像尺寸调整为\mathrm{320}\times \mathrm{320},新增Conv3_3特征层,将高层特征进行上采样,并利用特征金字塔结构对VGG16网络前5层特征进行融合,从而增强各个特征层的语义表达能力,同时重新设计先验框的尺寸。在公开航拍数据集UCAS-AOD上训练并验证,实验结果表明,所提改进SSD模型的各类平均精度均值（mAP）达到了94.78%,与现有SSD模型相比,其准确率提升了17.62%,其中飞机类别提升了4.66%,汽车类别提升了34.78%。     

无人机协同控制研究综述

无人机(UAV)协同控制是指一组UAV以机间通信为基础、群体智能为核心,合作分工完成某一共同任务的控制方式.UAV集群是拥有一定自主能力的大量UAV基于局部规则执行各项任务的多智能体系统,与单架UAV相比,UAV集群有着高效率、高灵活性和高可靠性等优点.针对近几年UAV协同控制技术的最新发展动态,首先,从民用和军事两个...     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

无人机序列影像快速无缝拼接方法研究

以一种快速无缝的方式对测区影像进行拼接是保障无人机充分发挥机动灵活优势的关键。在无其他控制点的情况下,仅通过利用无人机序列影像和自身记录GPS信息对整个任务区影像进行快速无缝拼接。根据GPS记录的坐标信息对测区影像进行分块。使用GPU-SIFT算法对分块后影像进行匹配与误匹配剔除。提出一种具有较小时间开销的拼接缝消除算法。实验结果表明,该拼接方法在保证一定拼接精度的前提下,大大提高了拼接效率,可为突然自燃灾害等紧急情况下提供应急数据源。     

无人机载荷航拍控制系统设计

针对无人机(UAV)遥感航拍过程中相机载荷参数自动化控制与飞行航迹实时跟踪的问题,提出一种能自动完成相机载荷控制与航拍控制的设计方案.首先,系统根据实验要求实时获取所在地理位置信息及环境预判信息,再根据相机控制参数表进行参数编码;然后,通过通信口发送自定义协议指令集给硬件控制电路,完成相机载荷参数设置并进行拍摄,同时航迹规划软件实时记录飞行轨迹地理坐标信息.系统设计使硬件控制平台和软件数据处理相结合,实现软硬协同控制.经无人机飞行验证,与单一参数航拍控制模式相比,该系统能根据不同的拍摄环境和拍摄场景进行相机参数的自动化控制与飞行轨迹实施跟踪.     

基于加速度补偿的无人机吊挂飞行抗摆控制

为了抑制四旋翼无人机(UAV)吊挂飞行中的载荷摆动,研究了一种新的基于加速度补偿的抗摆控制方法.首先,基于拉格朗日法建立了四旋翼UAV吊挂系统的非线性动态特性方程,并构建了能量函数来设计飞行控制系统,使四旋翼UAV跟踪参考轨迹;然后,利用吊挂载荷运动轨迹广义误差设计抗摆控制器,对四旋翼UAV进行加速度补偿以修正UAV的...     

基于场景图划分的无人机影像定位算法

针对大规模长序列无人机（UAV）影像定位中存在的速度慢、误差漂移等问题,结合UAV影像的特点,提出了一种基于场景图划分的UAV影像定位算法。首先,利用全球定位系统（GPS）辅助信息缩小特征匹配的空间搜索范围,从而加速同名点的提取;之后结合视觉一致性和空间一致性来构建场景图,并利用归一化割（Ncut）对其进行划分;接着,对各组场景图进行增量重建;最后,利用光束法平差（BA）融合场景图从而计算出场景的三维模型。此外,在BA阶段,所提算法对代价函数进行扩充,即加入了GPS空间约束信息。在四个UAV影像数据集上的实验结果表明,与COLMAP等多种运动恢复结构（SFM）算法相比,所提算法的定位速度提升了50%,重投影误差减小了41%,定位误差控制在0.5m之内。此外,通过有无GPS辅助下的算法的实验对比,可以得知引入相对和绝对GPS约束的BA有效解决了误差漂移问题,避免了出现歧义性结果,并且极大地减小了定位误差。     

基于MAVLink协议的无人机系统安全通信方案

MAVLink是一种应用于无人机（UAV）与地面站（GCS）之间的轻量级通信协议,它定义了一组包括UAV状态和GCS控制命令的UAV与GCS交互的双向消息。针对MAVLink协议缺乏足够的安全机制,存在可能导致严重威胁和隐患的安全漏洞的问题,提出了一种基于MAVLink协议的UAV系统安全通信方案。首先,UAV持续交替广播连接请求。然后,GCS向UAV发送公钥,双方利用DH算法进行密钥协商计算出共享密钥,并使用AES算法对MAVLink消息包进行加密通信,完成身份认证;若UAV在规定时间内未收到GCS发送的公钥或对MAVLink消息包解密错误则主动断开连接,更新公钥后重新广播连接请求。另外,针对UAV系统存在被恶意篡改的安全问题,在启动引导时对UAV系统固件进行了自校验。最后,基于形式化验证工具UPPAAL证明了所提方案具有活性、可连接性以及连接唯一性,并对UAV PX4 1.6.0与GCSQgroundControl3.5.0的通信过程进行抓包测试。结果表明,所提的UAV系统安全通信方案能够防止在UAV与GCS通信过程中存在的恶意窃听、篡改消息、中间人攻击等恶意攻击,并且对UAV性能影响较小,较好地解决了MAVLink协议存在的安全漏洞。     

基于编码解码结构的移动端电力线语义分割方法

针对传统的视觉算法在复杂场景下检测细长电力线准确率低、受环境因素干扰大,现有基于深度学习的电线检测算法效率不高的问题,提出一种适用于移动端电力线检测的端到端全卷积神经网络模型。首先,采用一种对称的编码-解码结构,其中编码部分使用最大池化层进行下采样,以提取多尺度特征,而解码部分使用最大池化索引的非线性上采样方式逐层融合多尺度特征,以恢复图像细节;其次,针对电线像素与背景像素不平衡的问题,采用了一种加权损失函数来训练模型;最后,构建了一个背景复杂且有像素级标注的电线数据集来训练和评估模型,并重新标注了一个公开电线数据集作为不同源测试集。与现有移动端电线语义分割模型Dilated ConvNet相比,所提模型在移动端设备GPU NVIDIA JetsonTX2上对于512×512分辨率的图片的预测速度提升至Dilated ConvNet的两倍,达到8.2 frame/s所提模型在同源测试集上的平均交并比（mIoU）为0.857 3,F1分数为0.844 7,平均精度（AP）为0.927 9,这三个指标分别提升了0.011、0.014和0.008;所提模型在公开测试集上的mIoU达到0.724 4,F1分数达到0.634 1,AP达到0.664 4,这三个指标分别提升了0.004、0.007和0.032。实验结果表明,该模型具有更好的移动端电力线实时分割性能。     

无人机图像拼接算法综述

无人机图像拼接是一个日益受到关注的研究领域,已经成为了照相绘图学、计算机图形学等研究的热点。首先给出了无人机图像拼接的一般步骤,重点归纳了三种特色鲜明的配准算法,然后简单阐述了图像融合的步骤和算法,最后通过归纳分析选定了适合无人机图像拼接的算法,并且展望了该领域的前景。