低慢小无人机目标探测技术综述 被引量：26

1

作者 蒋镕圻 白若楷 彭月平 《飞航导弹》 北大核心 2020年第9期100-105,共6页

低慢小无人机的广泛应用给社会各领域带来便捷的同时,也严重威胁着低空领域的安全。近年来,由无人机造成的事故日益增多,研究针对低空领域无人机目标的有效探测技术迫在眉睫。介绍了探测低慢小无人机目标的背景与意义,分析了低慢小无人... 低慢小无人机的广泛应用给社会各领域带来便捷的同时,也严重威胁着低空领域的安全。近年来,由无人机造成的事故日益增多,研究针对低空领域无人机目标的有效探测技术迫在眉睫。介绍了探测低慢小无人机目标的背景与意义,分析了低慢小无人机目标的特性。重点综述了雷达探测、射频探测、声波探测以及光电探测四种现有目标探测技术的基本原理和研究现状。通过分析各类探测技术的优缺点,提出了对低慢小无人机目标探测技术发展趋势的几点思考。 展开更多

关键词 低慢小目标 无人机 目标探测 目标识别

原文传递

基于C3D-GRNN模型的人群异常行为识别算法 被引量：5

2

作者 彭月平 蒋镕圻 徐蕾 《测控技术》 2020年第7期44-50,共7页

针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法。该算法首先采用ViBe算法确定运动目标区域,然后通过改... 针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法。该算法首先采用ViBe算法确定运动目标区域,然后通过改进C3D网络提取目标的HOG时空特征,再加入GRNN层进行分类训练,最后根据训练好的C3D-GRNN模型完成人群异常行为的识别与分类。实验结果表明:所提算法的HOG时空特征能够明显提升对人群行为的表达能力,减少了特征提取工作量,并且该方法的准确度和鲁棒性均高于支持向量机等其他同类方法,为小样本数据集的分类问题提供解决新思路,具有较高的应用价值。 展开更多

关键词 人群异常行为 卷积神经网络 广义回归神经网络 HOG特征

下载PDF 职称材料

基于YOLOv5s的跌倒行为检测算法

3

作者 周彤彤 彭月平 +1 位作者 郑璐 蒋镕圻 《中国科技论文》 CAS 北大核心 2023年第7期786-792,共7页

为了实现人群中跌倒行为的实时检测,预防踩踏事件的发生,针对跌倒行为检测实时性以及特征提取能力不足的问题,提出了一种改进YOLOv5s的跌倒行为检测算法。通过改进基本残差块,主干网络添加混合域注意力机制,颈部引入双向特征金字塔结构... 为了实现人群中跌倒行为的实时检测,预防踩踏事件的发生,针对跌倒行为检测实时性以及特征提取能力不足的问题,提出了一种改进YOLOv5s的跌倒行为检测算法。通过改进基本残差块,主干网络添加混合域注意力机制,颈部引入双向特征金字塔结构,以增强网络检测精度,同时保证运算量。结果表明,相比原始网络,所提算法检测准确率由94.1%提升到97.0%,精度值由91.2%提升到95.4%,且算法检测速度最快可达0.028 s,每秒检测图片帧数可达36.3,满足实时性要求。 展开更多

关键词 深度学习 YOLOv5 跌倒行为检测 特征金字塔 卷积注意力机制

下载PDF 职称材料

基于视频图像的人群异常行为识别方法综述 被引量：1

4

作者 周彤彤 彭月平 +1 位作者 郑璐 蒋镕圻 《无线互联科技》 2022年第6期93-95,127,共4页

作为计算机视觉的重要分支,异常行为识别与检测技术已在社会安防、人工智能、交通管控等领域获得了广泛应用。针对不同应用场景特点,选择适当的特征提取及异常行为识别与检测方法,进而保证实时预警准确率,保障社会公众安全,在实际应用... 作为计算机视觉的重要分支,异常行为识别与检测技术已在社会安防、人工智能、交通管控等领域获得了广泛应用。针对不同应用场景特点,选择适当的特征提取及异常行为识别与检测方法,进而保证实时预警准确率,保障社会公众安全,在实际应用中至关重要。基于此,文章对基于视频的人群异常行为识别与检测方法进行综述,首先,对人体异常行为中的目标检测算法作一介绍;其次对特征提取方法加以总结,特征提取方法的选取及提取特征的准确与否直接影响后续判别结果;之后,从异常行为识别和异常行为检测两个方面的主流算法进行归纳,并总结常用异常行为检测方法相关性能参数;最后,对该领域未来研究方向提出了展望。 展开更多

关键词 群异常行为 特征提取 异常行为识别

下载PDF 职称材料

基于粗糙集的多类人群异常行为识别算法 被引量：1

5

作者 彭月平 蒋镕圻 徐蕾 《科学技术与工程》 北大核心 2021年第11期4524-4533,共10页

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法。该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以... 为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法。该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以及帧间混乱程度五个运动特征量,利用粗糙集从中学习以获取决策规则,再对正常、四散、同向加速跑、突然聚集和群殴这五类人群行为进行分类,并定量对比分析本文算法和其他同类算法处理同一视频集的分类效果。结果表明:与随机森林法等其他同类算法相比,该算法不仅能够有效检测出人群异常行为,还能准确地对五类人群行为进行分类,其识别准确率和覆盖率均有明显提升。 展开更多

关键词 人群异常行为 粗糙集 特征量 分类

下载PDF 职称材料

基于卷积神经网络的人群密度估计综述

6

作者 白若楷 蒋镕圻 彭月平 《电子世界》 2020年第8期29-30,共2页

近年来国内城市不断发展,各大城市人口日益增长,公共娱乐场所也越来越多。随之而来的是踩踏,聚众闹事,抗议游行,以及疫情传播等重大事件的频频出现,而应用在智能监控中的人群密度估计方法能够在一定程度上解决这些问题。20世纪90年代前... 近年来国内城市不断发展,各大城市人口日益增长,公共娱乐场所也越来越多。随之而来的是踩踏,聚众闹事,抗议游行,以及疫情传播等重大事件的频频出现,而应用在智能监控中的人群密度估计方法能够在一定程度上解决这些问题。20世纪90年代前,人群密度估计的手段主要是人工监控视频,但人工监控耗时耗力且效果不佳,不能保证一天24小时实时监控。基于传统机器学习的人群密度估计方法因此被提出,但是人们逐渐发现随着技术的不断发展这些方法在低密度的情况下估计效果愈加准确,却在中高密度的情景下难以达到很好的效果。这个阶段人群密度估计面临的主要问题有:人群密度较大时人与人之间的相互遮挡,建筑物对人的遮挡;摄像机的透视效应,离摄像机近的人群像素点多,而离摄像机远的人群像素点少;视频监控的背景复杂,前景提取困难。 展开更多

关键词 人群密度估计 卷积神经网络 机器学习 智能监控 人工监控 前景提取 视频监控 监控视频

下载PDF 职称材料

嵌入scSE模块的改进YOLOv4小目标检测算法 被引量：32

7

作者 蒋镕圻 彭月平 +1 位作者 谢文宣 谢郭蓉 《图学学报》 CSCD 北大核心 2021年第4期546-555,共10页

为解决目标检测任务中小目标检测精度低,错检、漏检率高等问题,提出一种scSE-IYOLOv4的改进YOLOv4的小目标检测算法。实验使用VEDAI小目标数据集,采用K-means++算法对目标样本进行锚定框优化,以提升算法精度。在YOLOv4算法的基础上,分... 为解决目标检测任务中小目标检测精度低,错检、漏检率高等问题,提出一种scSE-IYOLOv4的改进YOLOv4的小目标检测算法。实验使用VEDAI小目标数据集,采用K-means++算法对目标样本进行锚定框优化,以提升算法精度。在YOLOv4算法的基础上,分别研究分析了scSE注意力模块嵌入至模型不同位置以及在模型颈部增加SPP模块对算法检测性能带来的影响。实验证明,在YOLOv4模型的骨干网“Add”和“concat”层后嵌入scSE注意力模块,以及在颈部增加SPP模块均能有效提升算法对小目标的检测精度,在VEDAI测试集上mAP@0.5均提升了2.4%。根据YOLOv4算法模型骨干网和颈部改进的实验结果,提出scSE-IYOLOv4目标检测算法。实验证明scSE-IYOLOv4算法能显著提升小目标的检测精度,在VEDAI测试集上mAP@0.5值较YOLOv4提升了4.1%,在PASCAL VOC数据集上mAP@0.5提升了2.2%。 展开更多

关键词 小目标检测 YOLOv4 scSE注意力 空间金字塔池化 K-means++

下载PDF 职称材料

基于抗遮挡目标模型的跟踪算法综述 被引量：6

8

作者 谢郭蓉 曲毅 蒋镕圻 《激光与光电子学进展》 CSCD 北大核心 2022年第8期315-328,共14页

遮挡问题是导致目标跟踪任务失败的重要因素,如何提升算法的抗遮挡性能是跟踪领域的研究热点。本文首先剖析了遮挡易导致跟踪失败的原因,论述了构建强判别性的鲁棒目标模型对提高跟踪算法抗遮挡性能的重要意义,分析了抗遮挡目标模型的... 遮挡问题是导致目标跟踪任务失败的重要因素,如何提升算法的抗遮挡性能是跟踪领域的研究热点。本文首先剖析了遮挡易导致跟踪失败的原因,论述了构建强判别性的鲁棒目标模型对提高跟踪算法抗遮挡性能的重要意义,分析了抗遮挡目标模型的构建方案。其次依据目标模型利用的信息类型,将代表性抗遮挡性能较优的算法分为基于有效特征信息、状态估计信息与稳定时空信息三类。而后详尽分析了基于卡尔曼滤波、粒子滤波、局部空间信息、时间上下文信息、时空上下文信息跟踪算法的抗遮挡思路方案、适用遮挡场景、优缺点及改进方案。最后通过不同类型算法在遮挡场景下的跟踪性能比较,对目标模型构建方案抗遮挡的有效性提出思考与分析,并指出学习语义信息轻量化网络设计、场景上下文预测、仿生视觉机理的应用发展方向。 展开更多

关键词 机器视觉 目标跟踪 抗遮挡 状态估计信息 时空上下文

原文传递

针对弱小无人机目标的轻量级目标检测算法 被引量：6

9

作者 蒋镕圻 叶泽聪 +2 位作者 彭月平 谢郭蓉 杜衡 《激光与光电子学进展》 CSCD 北大核心 2022年第8期99-110,共12页

为解决无人机“滥用”带来的安全隐患,针对现有基于深度学习的无人机目标检测算法复杂度较高,导致模型训练耗时长、占用计算资源大、输入图像尺寸受限、检测速度慢等问题,提出了一种轻量级无人机目标检测(DTD-YOLOv4-tiny)算法。所提算... 为解决无人机“滥用”带来的安全隐患,针对现有基于深度学习的无人机目标检测算法复杂度较高,导致模型训练耗时长、占用计算资源大、输入图像尺寸受限、检测速度慢等问题,提出了一种轻量级无人机目标检测(DTD-YOLOv4-tiny)算法。所提算法以YOLOv4-tiny为基础,通过K-means++聚类算法对Anchor box进行优化,并增加52×52尺寸特征图的检测头,拓展了算法对小目标的适用范围,再结合ShuffleNetv2轻量化骨干网络,使用reorg_layer下采样和sub-pixel上采样的方式,分别对YOLOv4-tiny算法的Backbone、Neck和Head进行优化,最终得到的模型大小仅为1.4 MB,浮点运算量(GFLOPs)仅为1.1的DTD-YOLOv4-tiny轻量级检测算法。实验结果表明,DTD-YOLOv4-tiny检测模型在不限制图像输入尺寸的同时,保证了较低的运算资源占用和高的检测实时性,同时降低参数量后的算法在面对原始大尺寸图像时也可以保持准确性。在Drone-vs-Bird 2017数据集上使用960×540尺寸的图像作为输入时,所提算法的平均精度(AP)@50值达到95%,在RTX2060显卡上的检测速度达到113 frame/s;在TIB-Net数据集上使用1920×1080尺寸的图像作为输入时,所提算法的AP@50值达到85.1%,在RTX2080Ti显卡上的检测速度达到119 frame/s。 展开更多

关键词 图像处理 弱小无人机目标 DTD-YOLOv4-tiny 轻量级检测模型 实时目标检测

原文传递

抗遮挡目标跟踪的模型学习综述 被引量：2

10

作者 谢郭蓉 曲毅 蒋镕圻 《计算机工程与应用》 CSCD 北大核心 2022年第2期43-56,共14页

视觉目标跟踪任务中的遮挡问题是最具挑战的场景属性之一,研究有效的抗遮挡模型学习方案,对构建适应复杂场景的长期鲁棒跟踪模型具有重要意义。剖析了遮挡影响跟踪性能的本质原因,以抗遮挡性能较好的先进跟踪算法为研究对象,系统分析了... 视觉目标跟踪任务中的遮挡问题是最具挑战的场景属性之一,研究有效的抗遮挡模型学习方案,对构建适应复杂场景的长期鲁棒跟踪模型具有重要意义。剖析了遮挡影响跟踪性能的本质原因,以抗遮挡性能较好的先进跟踪算法为研究对象,系统分析了模型学习中有效抗遮挡机制,并对其改善长短期遮挡问题的有效性进行比较分析,包括以硬负样本挖掘、有效样本管理、类遮挡硬正样本生成的训练样本提质策略,提供模型充足判别信息;以时间一致性学习、自适应外观学习的被动稳定学习方式和基于多域属性、目标感知、干扰感知、特征融合等适用跟踪任务的主动学习策略,构建可抵抗场景干扰、目标形变等因素可适用跟踪的鲁棒模型;以手工置信度评估、自适应决策、时序记忆库、自适应估计模板的更新策略,平衡模型在线跟踪状态变化目标的适应性与稳定性。通过对代表跟踪算法在遮挡及背景杂乱、出视野、平面内外旋转、形变场景下的性能比较,详尽分析了各策略抗遮挡有效性,指出相比更新策略,数据处理、学习策略设计更有利于提高抗遮挡性能;同时分析了各策略对长期遮挡、背景杂乱、出视野等属性的适用性及适用多类复杂场景的策略。总结了有效抗遮挡策略,提出骨干网替换及迁移场景理解、运动规律等先验信息至跟踪任务的研究方向。 展开更多

关键词 目标跟踪 遮挡 高质训练样本集 时间一致性 置信度

下载PDF 职称材料

基于模型压缩的YOLOV3实时枪支识别方法 被引量：2

11

作者 叶泽聪 高志强 +1 位作者 崔翛龙 蒋镕圻 《图学学报》 CSCD 北大核心 2021年第2期198-205,共8页

以枪支为代表的危险目标检测一直是安防领域的重要研究之一。针对当前人工通过监控视频检查枪支等危险物效率低且准确率易受检查人员工作时长影响的问题,提出了利用剪枝方法对YOLOV3模型做压缩的实时枪支检测方法。采用K-means++算法对... 以枪支为代表的危险目标检测一直是安防领域的重要研究之一。针对当前人工通过监控视频检查枪支等危险物效率低且准确率易受检查人员工作时长影响的问题,提出了利用剪枝方法对YOLOV3模型做压缩的实时枪支检测方法。采用K-means++算法对图像样本进行锚定框Anchor大小聚类,以提高模型精度。利用“通道+层”剪枝方法将训练后的模型进行压缩,通过模型修正恢复压缩前的精度。实验结果表明,该方法在保持较高精度的情况下,不仅降低了模型对内存资源的占用,且进一步减少计算量,大大提高了模型推理速度。与YOLOV3方法相比,该方法在jetson nano平台上对模型参数的缩减比例达到1/52,推理速度提高了6倍,而精确度几乎保持不变,从而达到对枪支危险物检测的实时性和高精度要求。 展开更多

关键词 枪支检测 YOLOV3 模型压缩 K-means++ 实时检测

下载PDF 职称材料