1 杭州电子科技大学自动化学院, 浙江杭州 310018
2 中国电子科技集团第 28研究所, 江苏南京 210007
红外摄像机虽然能够全天候 24 h工作, 但是相比于可见光摄像机, 其获得的红外图像分辨率和信杂比低, 目标纹理信息缺乏, 因此足够的标记图像和进行模型优化设计对于提高基于深度学习的红外目标检测性能具有重要意义。为解决面向监控应用场景的红外目标检测数据集缺乏的问题, 首先采用红外摄像机采集了不同极性的红外图像, 基于自研图像标注软件实现了 VOC格式的图像标注任务, 构建了一个包含行人和车辆两类目标的红外图像数据集( Infrared-PV), 并对数据集中的目标特性进行了统计分析。然后采用主流的基于深度学习的目标检测模型进行了模型训练与测试, 定性和定量分析了 YOLO系列和 Faster R-CNN系列等模型对于该数据集的目标检测性能。构建的红外目标数据集共包含图像 2138张, 场景中目标包含白热、黑热和热力图 3种模式。当采用各模型进行目标检测性能测试时, Cascade R-CNN模型性能最优, mAP0.5值达到了 82.3%, YOLO v5系列模型能够兼顾实时性和检测精度的平衡, 推理速度达到 175.4帧/s的同时 mAP0.5值仅降低 2.7%。构建的红外目标检测数据集能够为基于深度学习的红外图像目标检测模型优化研究提供一定的数据支撑, 同时也可以用于目标的红外特性分析。
红外图像 数据集 监控应用 深度学习 基准测试 infrared image, dataset, surveillance application,
强激光与粒子束
2023, 35(12): 126001
北京理工大学 集成电路与电子学院, 北京 100081
为了提升行人重识别算法的检索准确率, 提出了基于软掩膜前景分割和多信息融合重排序的行人重识别算法。通过基于U-Net的软掩膜前景分割算法去除图像背景信息, 同时减缓图像分割边界的突变, 以保留图像中行人的关键信息; 通过基于孪生深度网络的多信息融合重排序算法融合行人图像的多种信息, 提升检索结果质量。实验结果表明, 提出的两种方法是对行人重识别算法流程的有效补充, 可作为提升准确率的有效方法应用于多数现有行人重识别算法中。
行人重识别 视频监控 前景分割 重排序 person re-identification video surveillance foreground segmentation re-ranking
1 民航航空器适航审定技术重点实验室
2 安全科学与工程学院, 天津 300000
广播式自动相关监视(ADS-B)协议公开、无认证措施等特点, 使其易受消息修改攻击。首先,分析了攻击者攻击意图与攻击路径选择的关联性;然后, 为了应对通过1090ES链路、机载网络等实施的消息修改攻击, 提出了经特征处理的TriLSTM-SVDD模型进行欺骗数据检测。仿真结果表明, TriLSTM模型预测误差显著小于LSTM模型, TriLSTM-SVDD模型则以98.9%的准确率识别出0.01°的纬度值偏差、0.02°的经度值偏差和50 m的高度值偏差。
广播式自动相关监视(ADS-B) 异常检测 航迹预测 飞机防撞 Automatic Dependent Surveillance-Broadcast (ADS-B) anomaly detection trajectory prediction aircraft collision avoidance
1 河池学院 物理与机电工程学院，广西 宜州 546300
2 广西科技大学 宏达威爱科技学院，广西 柳州 545006
由于异常定义的模糊性和真实数据的复杂性，视频异常检测是智能视频监控中最具挑战性的问题之一。基于自动编码器(AE)的帧重建（当前或未来帧）是一种流行的视频异常检测方法。使用在正常数据上训练的模型，异常场景的重建误差通常比正常场景的重建误差大得多。但是，这类方法忽略了正常数据本身的内部结构，效率较低。基于此，提出了一种深度自动编码高斯混合模型(DAGMM)。首先利用深度自动编码器获得输入视频片段的生成低维表示和重构误差，并将其进一步输入高斯混合模型(GMM)。而估计网络则通过高斯混合模型预测能量概率，然后通过能量密度概率判断异常。DAGMM以端到端的方式同时联合优化深度自动编码器和GMM的参数，能够平衡自动编码重建、低维表示的密度估计和正则化，泛化能力强。在两个公共基准数据集上的实验结果表明，DAGMM达到了现有最高技术发展水平，在UCSD Ped2和ShanghaiTech两个数据集上分别取得了95.7%和72.9%的帧级AUC。
视频监控 异常事件 自编码网络 高斯混合模型 深度学习 video surveillance anomalous event auto-encoding network Gaussian mixture model deep learning 红外与激光工程
2022, 51(6): 20210547
红外与激光工程
2022, 51(6): 20210680
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
针对装备运输过程中可能遭遇侦拍的风险，结合运输安全需求，分析市面上常见的4类消费级侦拍装置(手机、卡片数码相机、单反相机和数码摄像机)的光电可探测性，并实现对各装置的有效干扰。通过搭建“猫眼”激光探测、激光干扰及回波信号接收系统，重点突破典型小口径侦拍装置的探测与识别，以及“猫眼”探测端与目标端的双向成像等理论和关键技术。在此基础上分析不同距离、干扰波长和孔径情况下可见光波段激光对“猫眼”目标的探测及成像干扰效果，并提出一种图像干扰效果评价标准及不同光学侦拍装置的有效干扰阈值。实验结果表明：典型光学侦拍装置在实验距离内具有良好的光电可探测性，并且可被有效干扰；在激光束完全覆盖镜头通光孔径时，目标与装置距离越近，激光束散角越小，波段越接近人眼敏感程度最大波段(555 nm)，激光光束产生的非伤害性成像干扰效果越好。
猫眼效应 光学侦拍装置 探测 干扰 装备运输 cat-eye effect optical surveillance device detection jamming equipment transportation
哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001
近年来，很多高质量的数据集支撑了深度学习在计算机视觉、语音和自然语言处理领域的快速发展。但在电磁信号识别领域仍缺乏高质量的数据集，为促进深度学习在电磁信号识别中的应用，本文基于广播式自动相关监视(ADS-B)建立了一个大规模的真实电磁信号数据集。首先设计了一个自动数据收集和标注系统，在开放和真实的场景中自动捕获ADS-B电磁信号。通过对ADS-B信号进行数据清理和排序，建立高质量的ADS-B信号数据集；其次，对使用数据集的深度学习模型的性能进行深入研究，在不同信噪比、采样率、样本数目下对模型进行综合评估。该数据集给相关研究者提供了有价值的研究基准。
信号识别 电磁信号数据集 广播式自动相关监视 深度学习 signal recognition radio signal dataset Automatic Dependent Surveillance-Broadcast(ADS-B) deep learning 太赫兹科学与电子信息学报
2022, 20(1): 29
