【摘 要】
：
近年来,高后果区的油气管线安全问题引起了国家的极大重视。目前,我国广泛采用的管线巡检手段以人工巡检为主,智能巡检为辅。由于管线附近施工频繁,各类工程车破坏性大,因此有必要在智能巡检过程中通过固定监控或巡检无人机获取工程车的类别及行为等信息,以进一步提高管线安全。在此背景下,本文设计并实现了一种针对工程车辆的智能识别系统,该系统能够实现施工场景中多种工程车的运动检测、目标检测、目标跟踪与行为识别等功
论文部分内容阅读
近年来,高后果区的油气管线安全问题引起了国家的极大重视。目前,我国广泛采用的管线巡检手段以人工巡检为主,智能巡检为辅。由于管线附近施工频繁,各类工程车破坏性大,因此有必要在智能巡检过程中通过固定监控或巡检无人机获取工程车的类别及行为等信息,以进一步提高管线安全。在此背景下,本文设计并实现了一种针对工程车辆的智能识别系统,该系统能够实现施工场景中多种工程车的运动检测、目标检测、目标跟踪与行为识别等功能。本文主要内容如下:（1）制定了工程车辆行为识别系统的总体设计方案。通过分析该系统的功能需求和性能指标,为系统制定了总体设计方案,并对方案中的运动检测模块、目标检测模块、目标跟踪模块和行为识别模块分别进行方案论证。（2）实现了工程车辆行为识别系统。首先,通过双模单高斯模型（Single Gaussian Model,SGM）对视频进行运动背景建模,以此完成运动检测;其次,采用YOLOv5（You Only Look Once Version 5）算法对视频进行目标检测,获取工程车的类别与位置信息;再次,通过实时在线目标跟踪（Simple Online and Realtime Tracking,SORT）算法对帧间工程车进行匹配,得到每一辆工程车的轨迹;最后,对匹配到的工程车进行视频时空建模,计算每一辆工程车的具体行为。在完成系统功能模块算法后,对系统各功能模块进行整合,并通过PyQt进行界面实现。本系统能够通过4个不同的模式对工程车辆进行智能识别,并且可以将识别结果直观地显示在界面中。（3）对工程车辆行为识别系统进行调试与测试。测试结果表明,本文设计的基于目标检测的工程车辆行为识别系统能够达到预期要求,且对于降低巡检成本,提高巡检效率和管线安全具有现实意义和实用价值。
其他文献
化石图像作为化石标本的信息载体,是古生物学者之间讨论古生物分类学和系统学的重要依据。准确且自动化的化石图像检索,不仅有助于古生物学者建立生物演化关系,而且有助于古生物爱好者学习古生物知识。虽然使用常规计算机图像领域的方法可以对化石图像进行自动化识别和检索,并可以有效减轻化石图像检索过程中的错误率和主观性,但是,存在两个主要的问题:一是真实的化石图像数据量不足,导致模型泛化性能低;二是化石图像中主体
人机对话（Human-Computer Dialogue）是人工智能的重要应用之一,其特点是可以自动地生成对话回复与人进行交谈,而备受研究者的关注,其目标是希望生成的对话回复语句更加多样,富有情感,贴近人类的真实对话。在对话生成领域中,研究人员开始使用Seq2Seq模型进行实现,取得了一定的进步,提高了模型的适用性,但由于对话语境的复杂性,主要存在以下缺点:模型容易生成通用回复,语句质量较低,会导
随着社会发展,数据类型愈发多样化,时间序列数据是随时间变化生成的一系列连续实值,通常在时间上存在前后关系,它的特点是数据量大、数据维度高以及随时间变化更新。对时间序列数据进行分类是数据挖掘领域重要研究内容,考虑到时间序列数据通常是在一段子序列中表现出类别之间的差异,因此shapelet作为具有较高区分度的子序列也就引起重视。基于shapelet的时间序列分类算法具备可解释性、分类速度快、分类准确率
情感分析是自然语言处理中的基本任务,属于文本意见挖掘范畴,是指对文本数据进行清洗、处理、提取相关特征并计算判断文本蕴含的情感倾向,为各项决策提供依据,被广泛应用在舆情分析、经济发展、法制建设和推荐系统等方面。大量学者对情感分析任务展开研究,已经取得了一定的成果,但仍存在一些挑战。如静态词嵌入方式由于一词多义问题致使提取的特征存在偏差;传统的卷积、循环结构的深度学习网络无法对文本整体进行处理导致特征
随着可视化技术的不断发展,越来越多的地理地质领域的可视化平台不断地进入大众的视野。这些系统的兴起和大量的应用使得越来越多的地理地质科研工作者观察及分析数据更直观,工作效率更高。随着研究的不断深入,研究对象的周期不断增加,因此会产生更大规模的地形信息,更高精度的模型实时渲染和可表达数据连续性的可视化成为了需要解决的问题。因为地形地壳的数据体量庞大,现有的可视化方法不能够高效的对大体量数据进行建模,同
随着大数据时代教育信息化的进一步到来,如何通过大数据分析和现代化人工智能技术自动认知与准确理解教师和学生在课堂中出现的种种行为,并从中准确判断出学生的课堂参与情况,从而对课堂教学质量和学生学习效率进行综合分析是目前亟待解决的问题。在以往的传统课堂师生行为分析研究中,大多只针对课堂师生的言语行为进行种类划分,而忽视了非言语行为在课堂教学中的重要性。并且在判断学生课堂参与情况时,往往只单独根据学生的某
X射线发光断层成像（XLCT）作为一种新型混合成像技术,利用X射线深层激发稀土纳米颗粒,发射近红外光,可以同时采集生物体空间结构信息和表面荧光信息,为深度组织成像提供了可能性。XLCT具有高穿透性和高空间分辨率的优势,在肿瘤早期检测,药物代谢追踪等领域具有临床应用价值。然而由于生物组织中光的散射和吸收作用,XLCT的重建是一个病态不适定问题。因此,高效、鲁棒的重建算法一直是X射线断层成像的研究重点
寒武纪是人类历史长河中不容忽视的一部分,其遗留下来的化石成为了现代人观察和研究寒武纪生物大爆发以及进化发展的可靠依据,随着当前古生物研究领域中化石模型使用率的逐渐增高,也暴露出了模型重建难度大、价格昂贵、过程繁琐以及耗时长的问题。本文通过化石的光学多角度图像,对古生物化石的三维重建方法进行了研究,以下为研究内容:（1）针对目前化石重建过程繁琐问题,通过对光学重建方法的比较,选择从运动中恢复结构（S
图像是人们从外界获取和交换信息的重要来源,然而图像采集过程中通常存在物体运动、相机抖动等因素,造成采集图像模糊失真,严重影响了图像观赏的舒适度和满意度,给后续图像分析理解带来极大障碍。因此,从失真的图像中恢复出清晰可观图像的去模糊技术研究极为重要。近年,基于深度学习的方法大多通过增加网络复杂度来改善去模糊效果,虽然使效果得到了提升,但却增加了算法的运行时间。有时也不可避免的引入了伪影,且可能无法处
无源物联网的标签摆脱了对电源的依赖,具有体积小及成本低的优点,适用于仓储等需要密集部署的行业,通过在货品上附着标签,并与标签通信或对标签定位,可实现对货品远距离的查询和搜寻,提升工作效率,节约人力成本。然而,传统射频识别（Radio Frequency Identification,RFID）标签的通信距离有限,不能适用与大范围的仓储场景,造成这一问题的原因在于:其一,在下行链路上,低功耗限制使得