长大公路隧道安全风险及防灾疏散研究现状及展望

随着公路交通建设的明显增加,隧道设计为生产和生活带来了便利。隧道火灾是隧道中最常见和最具破坏性的危险之一,经常造成毁灭性的损失和严重的伤亡。首先从火灾类型、蔓延情况和救援风险三个方面对长大公路隧道火灾特征进行了详细介绍;之后,从国内隧道火灾结构疏散设计和疏散设备及系统两个方面阐述了目前国内隧道防灾疏散策略;最后从加强防灾疏散意识教育、加强火灾燃烧特性研究、加强土建结构设计和构建智能化监控系统四个方面对未来的工作进行展望,以期减少国内隧道事故发生,提高防灾救援水平,为路隧道安全运营及预防灾害提供科学指导。     

广东阳春石菉—鹦鹉岭—锡山铜锡多金属矿集区综合地球物理特征与成矿预测

石菉—鹦鹉岭—锡山一带是粤西地区的一个铜锡钨（铅锌）多金属矿密集区,矿床（点）众多,区内矿床勘查工作多开展于20世纪90年代前,勘查深度浅,且各矿床之间均为大面积第四系覆盖区,研究程度低,各矿床深部和外围均有良好的找矿前景。本文通过对该区开展的1∶5万重力测量、1∶1万地面磁法测量以及典型矿床电磁法剖面测量等工作成果的综合研究,认为本区主要为北西和北东向的区域构造控岩、控矿,综合物探成果反映空白区内隐伏构造发育,成矿地质条件有利,具备寻找新的中大型隐伏矿床的条件。通过进一步工作,该区有望成为粤西地区重要的铜锡多金属矿田。     

基于注意力和卷积特征重排的图像修复

近年来,基于UNet与GAN（生成对抗网络）的深度学习网络模型在图像修复领域展现出了独特的优势,但是修复结果中仍然存在伪影、模糊、纹理细节退化、对于大面积破损难以修复、修复后的孔洞与背景图像不相容等现象。为了解决现有模型对大面积破损图像修复不友好以及修复后的图像存在退化现象等问题,通过对现有方法进行研究,改进了Shift-UNet（移位网络）模型：在UNet与GAN的基础上,在每一层编码器和解码器之间增加了改进之后的注意力机制Attention-UNet并融入shift-UNet,形成Attention-Shift-UNet;并且通过研究,将原来下采样部分的激活函数由Leaky_ReLU改为了SiLU函数。改进模型不仅在64×64的中心遮罩上取得了较好的效果,还实现了随机遮罩,遮罩面积由20%增加到80%。通过实验结果证明,该模型的修复效果更优,特别是针对大面积破损图像的修复。在CelebA、ParisArchitecture以及Paris Streetview数据集上经过测试,各评价指标都有明显的提高,其中结构相似性（SSIM）由原来的0.944 5提高到0.947 1,峰值信噪比（PSNR）由原来的27.992 7提高到28.553 6,L2损失由原来的0.001 7降低到0.001 5。     

面向部件分割的PointNet注意力加权特征聚合网络

为解决PointNet最大池化损失次要特征导致部件分割精度降低的问题,提出一种面向部件分割的PointNet注意力加权特征聚合网络,能够充分利用点云的不同特征进行部件分割。首先利用多层感知机提取点云的空间几何特征,将特征乘以共享权重矩阵,以获取每个点的每一个特征的注意力分数;接着把归一化的分数作为权重乘以对应的全局特征并求和,得到聚合的全局特征;最后使用多层感知机将聚合的特征映射到部件分割结果。实验结果表明,相比于传统PointNet方法,该方法提升了部件分割的总平均交并比,同时在网络鲁棒性和计算复杂度方面具有显著优势。该方法有效优化了PointNet。     

语义线特征辅助的动态SLAM

动态环境干扰是视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）领域内一个亟待解决的问题,场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络,并赋予线特征语义信息;完成物体跟踪和静态区域初始化后,使用mask金字塔提取并分类特征点;再使用极线约束完成动态物体上点线特征的剔除;最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明,提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％,比DynaSLAM提高了20.42％,即使与近年来同领域内的优秀成果相比也有较好的精度表现。     

基于知识回顾与特征解耦的目标检测蒸馏

当前的知识蒸馏算法均只在对应层间进行蒸馏,为了解决这一问题,提高知识蒸馏的性能,首先分析了教师模型的低层特征对学生模型高层特征的指导作用,并在此基础上提出了基于知识回顾解耦的目标检测蒸馏方法。该方法首先将学生模型的高层特征与低层特征对齐、融合并区分空间和通道提取注意力,使得学生的高层特征能够渐进式地学到教师的低层和高层知识;随后将前背景解耦,分别蒸馏;最后通过金字塔池化在不同尺度上计算其与教师模型特征的相似度。在不同的目标检测模型上进行了实验,实验表明,提出的方法简单且有效,能够适用于各种不同的目标检测模型。骨干网络为ResNet-50的RetinaNet和FCOS分别在COCO2017数据集上获得了39.8%和42.8%的mAP,比基准提高了2.4%和2.3%。     

图像显著性分割的非凸Trace Lasso方法研究

根据无监督的自下向上的思想,提出一种新的图像显著性分割方法.提取图像的颜色特征、局部能量特征和局部对比特征,并根据这些特征建立一个基于多特征的非凸Trace Lasso模型,通过求解此模型得到图像的显著性区域.不同于一般的稀疏表示方法,该方法使用矩阵奇异值的非凸函数作为约束,对图像进行超像素分割,以每个超像素块为单位进行目标函数的建立.既考虑了超像素块的局部特征,又利用了全局特征,有效联合了图像的多个特征.实验结果表明,该方法能够准确地分割出图像的显著性区域.     

融入时序和速度信息的自适应更新目标跟踪

目的 针对目标跟踪算法在现实场景的遮挡、光照变化和尺度变化等问题,提出一种融入时序信息和速度信息的多特征融合自适应模型更新目标跟踪算法。方法 通过提取目标的分级深度特征和手工设计方向梯度直方图（histogram of oriented gradients,HOG）特征,以全深度特征组合和深层深度特征与手工设计特征组合的方式构造两个融合特征器,提高在复杂场景下跟踪的稳健性;对融合特征进行可信度计算,选择最可靠融合特征对当前帧目标进行跟踪;在跟踪质量不可靠时,对目标表征模型进行更新,加入时间上下文信息和当前鲁棒表征信息,通过多峰值判定和运动速度判定选择最优目标预测位置作为最终结果。结果 在OTB（object tracking benchmark）2013和OTB2015数据库上进行大量测试,与其他7个算法相比,本文算法总体效果取得最优,且在不同复杂环境下也取得了优秀的跟踪效果,在OTB13和OTB15数据库中,跟踪精度分别为89.3%和83.3%,成功率分别为87%和78.3%。结论 本文算法利用深度特征与手工设计特征进行融合,对跟踪结果进行多峰值分析和运动速度判定,跟踪结果不佳时自适应更新特征进行重跟踪。实验结果表明,本文算法可以有效处理光照变化、背景杂波和遮挡等复杂因素的干扰,有效提升了跟踪质量。     

基于三维直方图的立体图像层次化分割算法

由于立体图像噪声强度与边界信息的不确定性,若仅考虑图像局部或全局信息会导致过分割现象,影响图像处理效果.为改善立体图像分割效果,提出三维直方图的立体图像层次化分割算法.根据模糊集特性,将图像表示为模糊矩阵形式,计算加权平均值,构造模糊中值图像;采用自适应阈值小波方法,获取噪声方差和一级尺度参数对图像进行划层次去噪;定义图像局部对比度与局部梯度,在亮度级与边缘级基础上,对不同像素类别进行划分,获取像素同一性特征;通过三维直方图方式,获得三维单元频率,将其分割为八个立方体区域,找出与目标、背景对应部分,结合评价函数选取最佳阈值,完成立体图像层次化分割.仿真结果表明,所提算法抗噪性能良好,边缘贴合度较高,可提供更多关于背景与目标的特征信息.     

信息背景下AR动态图像轮廓特征匹配拼接仿真

为提升AR动态图像轮廓特征匹配准确性,扩展图像拼接技术的应用领域,满足信息背景下的计算机视觉与图像处理需求,提出一种AR动态图像轮廓特征匹配拼接方法.通过滤波处理、平滑与边缘锐化以及几何校正阶段,完成图像预处理,划分图像为左边缘及右边缘,搜索不间断边缘点上的全部轮廓点,基于方向性约束与灰度相关性约束获取最优轮廓匹配点,利用特征向量信息实现匹配检验与轮廓特征匹配,根据图像梯度场,引导插值拼接区域,转换图像拼接问题为最小化目标函数问题,采用泊松融合完成AR动态图像轮廓特征匹配拼接.从无标准参考与有标准参考两种图像角度,使用不同的评估指标来评价拼接图像质量,仿真结果表明,所提方法具有明显的配准优越性与较好的拼接效果,有效性与适用性相对理想,能够满足信息背景下图像处理需求.