战场野外复杂红外场景中, 由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失, 目标极易混淆在背景之中; 由于嵌入式平台算力的限制, 多数深度学习类检测算法难以应用于便携设备, 无法实现快速有效的目标识别。提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法: 通过运动检测实现目标像素级分割, 经形态学处理后, 定位单体目标; 根据嵌入式平台算力高低, 选择轻量化深度网络特征或轮廓特征, 训练softmax模型, 实现目标分类识别。将算法移植于嵌入式平台, 对开源红外图像序列进行目标识别实验, 实现多目标同时定位与分类, 处理速度达56FPS。实验结果表明, 该方法可对复杂背景中的红外目标进行实时有效识别。
红外目标识别 动目标检测 softmax分类 深度神经网络 infrared object recognition moving object detection, softmax classification, d
1 北京理工大学光电学院光电成像技术与系统教育部重点实验室， 北京 100081
2 高知工科大学信息学院/综合研究所视觉·感性合并重点研究室， 高知 香美 782-8502
在色觉异常者的颜色视觉机制研究中，实验前期需要对每个被验者的色觉类型进行检测和分类。采用常用的测验工具假同色图（石原表和标准色觉检查表），色相排列（Farnsworth D-15和Farnsworth-Munsell 100-hue测验）和定量检测工具剑桥色觉测试对7名色觉异常者（三名红色盲，一名红色弱，一名绿色盲，两名绿色弱）进行了测验。通过与色盲检查镜的测验结果相比较，分析了各测验工具在检测和分类中的优缺点。在此基础上，给出了视觉实验前期色觉异常的检测和分类步骤。
视觉光学 颜色视觉 色觉异常 检测和分类 剑桥色觉测验 视觉实验
