针对露天矿生产场景中存在着目标像素低、小目标众多、背景复杂等问题,在YOLOv5s的基础上提出一种多尺度和超分辨率网络(multiscale and super-resolution network,MS_Net)。在特征融合模块,将PANet的三尺度检测升级为四尺度检测,提高...针对露天矿生产场景中存在着目标像素低、小目标众多、背景复杂等问题,在YOLOv5s的基础上提出一种多尺度和超分辨率网络(multiscale and super-resolution network,MS_Net)。在特征融合模块,将PANet的三尺度检测升级为四尺度检测,提高网络的多尺度学习能力,并使用子像素卷积作为上采样方法;提出一种多层融合(multi layer fusion,MLF)模块,融合了PANet 3个输出层的特征,得到一个具有丰富语义信息和空间信息的特征图;在预测层中,使用SIoU作为定位损失函数,优化模型的参数。实验结果表明:MS_Net网络在PASCALVOC数据集上mAP为79.4%,FPS为59;在矿山数据集上mAP为80.2%,FPS为64.5,模型可快速、准确、高效地对露天矿中的目标进行识别检测。展开更多
针对红外多目标检测跟踪中目标遮挡问题和算法实时性与准确性难以兼顾的不足,提出一种快速准确且抗遮挡的红外目标检测跟踪算法。在目标检测阶段,提出一种基于RAS(running Average with selectivity)背景更新的中值滤波背景差分算法。...针对红外多目标检测跟踪中目标遮挡问题和算法实时性与准确性难以兼顾的不足,提出一种快速准确且抗遮挡的红外目标检测跟踪算法。在目标检测阶段,提出一种基于RAS(running Average with selectivity)背景更新的中值滤波背景差分算法。该算法采用中值滤波法建立背景图像,通过引入反馈思想与滑动时间窗模型,使背景更新的实时性与鲁棒性得到改善。同时,为了有效解决目标遮挡难题,提出一种像素投影分离算法,通过对粘连目标的投影曲线进行分析来实现粘连目标的分离。在目标跟踪阶段,通过采用滤波加权均值移位算法,从而有效克服红外目标描述信息不足的缺点。同时,将该算法与Kalman滤波融合,最终实现红外多目标的快速准确跟踪。在不同红外测试集上实验结果表明,所提算法的检测率与正确跟踪率分别提高到91.05%、83.78%,运行速度达到32帧/秒,在抗遮挡性、实时性、准确性与鲁棒性等方面均优于现有的主流算法。展开更多
文摘针对红外多目标检测跟踪中目标遮挡问题和算法实时性与准确性难以兼顾的不足,提出一种快速准确且抗遮挡的红外目标检测跟踪算法。在目标检测阶段,提出一种基于RAS(running Average with selectivity)背景更新的中值滤波背景差分算法。该算法采用中值滤波法建立背景图像,通过引入反馈思想与滑动时间窗模型,使背景更新的实时性与鲁棒性得到改善。同时,为了有效解决目标遮挡难题,提出一种像素投影分离算法,通过对粘连目标的投影曲线进行分析来实现粘连目标的分离。在目标跟踪阶段,通过采用滤波加权均值移位算法,从而有效克服红外目标描述信息不足的缺点。同时,将该算法与Kalman滤波融合,最终实现红外多目标的快速准确跟踪。在不同红外测试集上实验结果表明,所提算法的检测率与正确跟踪率分别提高到91.05%、83.78%,运行速度达到32帧/秒,在抗遮挡性、实时性、准确性与鲁棒性等方面均优于现有的主流算法。
