简介：摘要：扶梯作为一种重要的交通工具，广泛应用于公共场所和商业建筑中。然而，由于扶梯使用频繁且容易发生事故，对扶梯的安全监控变得尤为重要。目前，大多数扶梯监控系统仅仅依靠人工巡视来发现异常行为，但这种方式效率低下且易漏检。基于此，本篇文章对视频分析的扶梯异常行为检测算法进行研究，以供参考。

简介：摘要：异常存在于各个领域，比正常携带的信息更多也更为重要，这些信息可能是灾难性后果的预警或者标志，及时检测出异常尤为重要。随着信息技术和网络技术的发展，数据集变得更加庞大，结构更加复杂，空间维度更高。这些问题导致异常检测的难度越来越大，同时也会带来召回率跟精确率下降的问题。

简介：摘要：在信息化时代背景下，大数据与云计算技术的发展，对如何在大规模网络流量中实现数据安全高效传输提出了更明确的要求。传统网络架构采用分布式控制方式，但过多的分布式控制会给网络管理带来不便。如今，数据类型多样化、来源复杂化以及传输突发性等特征日益明显。企业通常以互联网为通信渠道与运营平台。随着数据异常流量下的系统问题增加，网络攻击和非法访问行为时常发生，最终导致网络通信发生故障，给企业带来不便。

简介：摘要：随着网络流量异常检测技术的不断发展，国内外的研究者们在网络流量异常检测方面已经取得的了大量的研究成果。同时，根据使用的数学理论不同，提出了许多网络流量异常检测模型。基于ARMA 的预测模型，通过游程检验法判断序列的平稳性，利用穷举法确定最优的预测模型，根据置信区间法确定网络流量自适应阈值，实验表明该模型具有较好的预测效果和异常检测功能。

简介：摘 要: 随着计算数学和信号处理技术的发展，基于深度神经网络的目标检测算法获得了比传统模板匹配算法更优的结果。深度 学习目标检测算法分为一阶段目标检测（one-stage）和两阶段目标检测（two-stage）两类。常见的一阶段目标检测算法有 YOLO算法、SSD算法。一阶段目标检测算法的优势在于利用回归的思想直接通过图像得到预测目标框信息，速度快。二阶段目标检测算法在精度方面要优于前者，例如R-CNN、Fast-CNN等，其策略是先利用网络产生一系列的候选框，然后进行分类和回归，虽然其精度相较一阶段算法准确度更高，但是速度方面相差甚远。

简介：摘要：计量数据分析中异常值检测算法的研究一直备受关注，因为异常值可能导致分析结果的不准确性，甚至误导决策。本文旨在比较不同的异常值检测算法，并探讨它们在实际应用中的效果。介绍异常值的概念和影响，然后分析了常见的异常值检测算法，如基于统计方法、机器学习和深度学习的方法。通过对这些算法的比较，我们发现每种算法都有其优势和局限性，适用于不同类型的数据和问题。

简介：摘 要

简介：摘要：圆检测是图形检测中的重要问题之一，图像中的圆经常会受到干扰（如遮挡）等问题。为解决这个问题，本文提出一种圆检测算法，兼顾检测精度和耗时。首先随机在圆上选取两点，再由圆的几何特征确定另一点，即在该两点线段的中垂直线上找第三点，由这三点确定候选圆；再对候选圆上的点进行统计，判断候选圆的真假以得到真实圆。此问题的解决是可提高人脸和虹膜活体检测的准确性，因为摄像头采集到的眼睛常受到眼睫毛眉毛等遮挡的情况下的干扰。

简介：摘要：深度学习已经在目标检测领域取得了显著的进展，通过自动学习特征表示和端到端的训练方式，提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述，包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测，具有实时性和高效性，但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位，但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来，深度学习目标检测算法将进一步发展，结合单阶段和两阶段的优势，以提高性能和效果。

简介：摘要：随着深度学习的发展，用计算机处理图像，辅助人类视觉进行检测和识别得到了广泛应用，如人脸检测和人脸关键点定位技术。人脸的检测和关键点定位在生活中经常于人脸的分析处理，如人脸识别、脸部体温测量、表情识别等，同时在视频监控、人机交互等方面有广泛的应用前景。

简介：摘要： 近年来关于运动图像的处理在公共安全、生物识别、机器视觉、无人机追踪导航、小区安防等领域的运用非常广泛。对运动图像的处理是后续跟踪识别算法的基础。本文采用 OV7760 摄像头采集原始图像，利用帧间差分法以及光照阈值自适应，以 FPGA 为主控芯片处理运动图像数据， Verilog 硬件编程语言，是在 Quartus ll 13.1 的 Cyclone IV 平台环境下设计、仿真的。

简介：摘要：随着深度学习的不断进步，已经将应用延伸到光电跟踪设备，优质的检测跟踪算法决定光电跟踪设备的工作效率。本文提出一种改进YOLOv4的检测跟踪算法，结合空洞卷积对其网络结构进行改进，加入空洞空间金字塔池化模型，以此增大感受野，聚合多尺度上下文信息。然后，通过 K-means聚类方法生成更适合目标检测的初始候选框。其次，提出一种对象选择器，用来选择检测和跟踪轨迹中的最优候选框；最后，将最优候选框和跟踪轨

简介：摘要： 本论文针对工程建设标准化中结构实体的检测问题，提出了一种基于深度学习的算法。首先，构建了一个大规模的结构实体数据集，并对其进行标注。然后，采用深度卷积神经网络（CNN）结合多尺度特征融合的方法，实现了高效准确的结构实体检测。通过实验证明，所提算法在不同场景下能够有效地检测出各种结构实体，并且具有较低的误检率和漏检率。该算法的研究成果对于促进工程建设标准化的应用具有重要意义。

简介：摘要：针对采用增量式光栅为位移传感器的表贴式隐极永磁直线电机伺服控制系统，利用饱和凸极效应来检测动子初始位置。基于注入脉振高频电压后d、q轴高频电流响应特性，并极值法计算法获得动子初始位置，并采用双脉冲电压矢量注入对动子极性进行判断，解决了高频电压注入法无法确定动子极性的问题。实验测量表明，采用极值法估计动子初始位置预测均方根误差为0.141 rad，结果表明，极值法获得永磁直线电机动子初始位置的估计可以满足永磁直线电机平稳启动要求。

简介：摘要：本文提出的基于YOLOv3的轻量化行人检测算法将传统YOLOv3算法的骨干网络替换为轻量化骨干网络，运算量降低了71%，模型参数量降低了62%，同时具备较高的行人检测精度，适用于计算能力较低、存储空间较小的嵌入式设备，便于前端部署。

简介：摘要：遥感图像目标检测在城市规划、资源调查和灾害监测等领域应用广泛，基于遥感图像的目标检测具有重要研究意义。遥感技术为人们快速、全面了解地表覆盖变化提供了技术支持，在高分辨率遥感技术不断发展的大背景下，大量高品质遥感图像的采集越来越方便。遥感图像是利用遥感技术生成的远距离图像，可以对目标进行有效的处理。目标检测是遥感图像处理的基础任务之一，通过对遥感图像的分析可以分辨出水体、植被等目标，同时遥感影像可以识别更小的目标，如具体的树木、人、交通标志、足球场标志线等等，因此遥感图像目标检测已经成为当前研究的热点问题。遥感设备拍摄图像时由于设备距离目标较远，包含的地面范围大，受到分辨率的限制，待检测目标可能以微小形式显示在遥感图像中，这些检测目标具有尺度小、特征弱等特点，为图像目标的检测工作带来较大难度。

简介：摘要：本文针对面向多目标检测和跟踪的交通事件检测问题展开研究。在现实生活中，交通事件的及时检测对于道路交通安全至关重要。然而，由于交通场景的复杂性和目标丰富性，传统的单一目标检测算法往往难以满足实际需求。因此，本文提出了一种基于多目标检测和跟踪技术的交通事件检测算法，来实现对交通事件的准确监测与分析。

简介：摘要：佩戴彩色隐形眼镜进行虹膜身份认证是当今最常用的攻击虹膜识别系统手段之一。对此，本文结合虹膜与彩色隐形眼镜固有特性，提出一种基于亮度变化统计的活体虹膜检测算法。算法首先对虹膜区域进行分割、预处理，预处理后的虹膜图像以瞳孔中心为起点，提取虹膜 ROI区域内多方向亮度变化累积特征之和，最后进行活体虹膜判别。结果表明，该算法在抵御彩色隐形眼镜攻击上具有较高的有效性和鲁棒性。

简介：摘要：图像分割和目标检测是计算机视觉领域的重要研究方向，深度学习技术的快速发展为其提供了强大的支持。本文基于深度学习的图像分割与目标检测算法进行了研究，提出了一种结合卷积神经网络和区域提议网络的综合方法，以提高图像分割和目标检测的准确性和效率。通过实验证明了该方法在各种图像数据集上的优越性。

简介：摘要：遥感图像中舰船目标检测是海洋监管和国防建设中的重要基础工作，旨在分类和定位一幅遥感图像中的所有舰船.近年来，随着遥感卫星技术的快速发展，多源遥感数据不断扩增.光学遥感图像具有判读直观性强及数据翻译便捷等优点，引起了广大学者的重视和研究.但是光学图像容易受到云雾遮挡、强烈光照等气候的影响.相对地，合成孔径雷达（Synthetic Aperture Radar，SAR）凭借其不依赖光照条件且不受天气影响的优势，能够实现全天时、全天候大面积海域侦查工作.由于上述差异性，针对不同成像机理的遥感图像，需要设计专门的算法进行舰船目标检测。