偏振光反射信息可直接反演目标本征特性, 且在传输过程中具备较强的抗干扰特性, 因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展, 已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先, 通过实时获取到偏振图像进行偏振信息解析, 获取目标偏振度图像。其次, 为增强偏振度图像中检测目标与背景存在高对比度的特性, 在主干网络中引入通道注意力与空间注意力, 提升网络特征进行自适应学习的能力。此外, 使用K-means算法对目标位置信息进行聚类分析, 加快网络在偏振度图像的学习速度, 提升目标检测精度。实验结果显示, 该算法结合了偏振成像和深度学习目标检测的优势, 对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快, 对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。

太赫兹雷达在测点目标时具有极高的分辨力。然而在多目标条件下，使用经典的线性调频波形调制可能会引起错误的差频组合，从而出现虚假目标。为此，提出一种工作在0.22 THz频段的改进波形，它由梯形波与三角波两部分组成。通过梯形波的上、下扫频计算速度-距离的模糊范围，并通过恒频段检测目标的相对速度。由于速度-距离交叉点的不匹配，虚假目标仍存在，而后续的不同调频斜率的三角波则能在其基础上完全剔除虚假目标。文中给出了这种体制的太赫兹雷达系统的架构，并通过近乎现实的仿真，证明在这种新型波形体制下，太赫兹雷达差频配对的准确度将得到大幅度提升。

针对长时间目标跟踪检测不准确问题, 提出一种结合运动场景的超像素分割与混合权值的AdaBoost多目标检测(ABSP)算法。首先在动态模型中, 计算AdaBoost算法的混合权值, 检测运动目标, 确定搜索区域, 提高多目标跟踪检测能力; 在训练阶段, 采用SLIC分割与Mean-Shift聚类形成超像素图块, 构建目标外观模型; 在跟踪阶段, 结合超像素特征池生成模板直方图与置信图, 构建观测模型与运动模型, 采用粒子滤波与贝叶斯模型, 计算最大后验估计, 实现遮挡运动目标检测。结果表明: 能够有效处理数目变化多目标检测与遮挡问题, 提高了检测的实时性。

由于多舰船目标显著性检测过程容易将边界像素作为背景处理, 本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域 像素是否具有颜色相似性, 并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着, 对获得的图像块进行扩展, 使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度; 对边缘像素进行背景索引标记, 计算图像块中像素的显著性强度, 采用阈值分割方法获得目标显著性区域。最后, 基于颜色聚类的图像块存在部分重叠的特点, 利用权值对存在叠加的显著性图像进行融合, 从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试, 并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示: 提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上, 准确率达到92%以上, 综合评价指标Fβ≥0.7; 无论考虑单个指标还是整体指标, 本文算法均优于其他对比算法。

天基光学传感器对空间近邻目标的像平面跟踪过程中,传统方法在单帧恒虚警检测后进行量测划分,采用的虚警率过高可能引入较多的杂波点,过低则群目标在像平面的部分信息损失.在分析空间近邻目标在像平面特征的基础上,提出一种使用马氏随机场模型进行预检测处理然后以k-均值进行量测划分的方法,仿真结果表明,相比传统方法,基于马氏随机场模型的空间近邻目标检测及量测划分准确率更高,且在信噪比较低的情况下,性能改善明显.

为使**系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击.研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标.经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果.

全景视频由于具有 360°的视角, 非常适合用于智能视频监控中的多目标检测。首先介绍了以 DSP处理器为核心的系统处理平台；接着介绍了全景图像的展开算法和 MHOEI多目标检测算法；然后针对全景展开设计了适合 DSP平台的分块查表展开方法, 针对 MHOEI设计了降分辨率处理方法；最后在 DSP处理器上进行了优化实现。实验表明, 在所选的 DM6437处理器上, 将 720×576大小的全景图像展开为 896×180大小的目标图像, 展开帧率可达 120帧每秒；再经过多目标检测后能达到平均 35帧每秒, 满足实时要求, 同时能有效检测出全景视频中的运动和静止目标。

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。

针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法。首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理。该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据“距离相似度准则”进行目标的聚类识别,排除背景干扰,最终检测出全部目标。实验结果表明该融合检测算法能有效地进行多目标的检测与识别。

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性。首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果。对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪。实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性。