公开(公告)号：CN117636191A

公开(公告)日：2024-03-01

申请号：CN202311680516.0

申请日：2023-12-07

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  黄世霖 ,  孙泽杰 ,  吴宇玲

IPC: G06V20/17 ,  G06V10/25 ,  G06V10/26 ,  G06V10/30 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于背景减除法与改进YOLOv5的无人机检测方法，首先使用相机获取无人机的实时视频并将之分解为连续的图像帧数据；通过使用背景减除算法对所述的连续图像帧进行处理，获取前景图像；同时在YOLOv5网络的Backbone部分添加SE注意力机制，获取改进YOLOv5网络然后将所述前景图像输入训练后的YOLOv5网络，获取无人机目标的边界框与置信度；最后通过置信度判断边界框内是否为无人机。本发明利用背景减除法减少了无人机检测中的背景噪声干扰，并且利用SE注意力机制增强了重要特征以及抑制非重要特征。经验证，本发明增加了无人机目标检测能力，有效减少无人机检测的误检、漏检的概率。

公开(公告)号：CN117635661A

公开(公告)日：2024-03-01

申请号：CN202311680555.0

申请日：2023-12-07

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  黄世霖 ,  李龙朝 ,  王旭哲

IPC: G06T7/246 ,  G06T7/277

Abstract: 本发明涉及目标追踪技术领域，具体涉及一种基于LA‑DeepSORT的低空域无人机目标跟踪方法，通过捕获包含无人机的视频进行运动补偿处理并分帧处理，获得视频帧序列；使用目标检测模型检测所述视频帧序列，获得无人机目标的预测框和置信度；根据所述预测框和置信度初始化卡尔曼滤波器和跟踪器；更新卡尔曼滤波器和跟踪器，输出无人机跟踪结果。本发明使用运动补偿算法矫正相机运动干扰，引入MobileNetV3更好地提取无人机外貌特征，既增强了无人机跟踪方法中抗扰动性能又增强了无人机跟踪器的特征提取能力，有效减少低空域下目标跟踪的ID跳变、误报以及跟踪丢失或轨迹失配的概率。

公开(公告)号：CN118691821A

公开(公告)日：2024-09-24

申请号：CN202410870747.6

申请日：2024-07-01

Applicant: 桂林电子科技大学

Inventor： 王旭哲 ,  黄世霖 ,  吴玉霞 ,  王展

IPC: G06V10/26 ,  G06V20/17 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/08 ,  G06T7/10

Abstract: 本发明涉及飞行运动目标检测技术领域，具体涉及一种使用UNet与改进YOLOv5的无人机图像分割与检测方法，通过采集无人机在某一空域下出现的图像数据，并对图像进行筛选和标注，构建无人机运动目标数据集；在输入端对图像进行数据增强处理，在骨干网络部分添加了CBAM注意力机制模块，并将该结构插入YOLOv5的网络模型中，增强了网络的特征提取能力，进而提升检测精确度；在头部加入DIoU损失函数模块，解决了样本框与检测框检测重叠的问题，又提升了检测网络的鲁棒性。最后使用训练好的YOLOv5检测网络模型进行检测，得到检测结果，解决飞行运动目标环境下针对无人机的目标检测误检率、漏检率较大的问题。

公开(公告)号：CN117132866A

公开(公告)日：2023-11-28

申请号：CN202311036164.5

申请日：2023-08-17

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  王旭哲 ,  黄世霖 ,  李龙朝

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/766 ,  G06V20/40 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及目标检测技术领域，具体涉及一种多运动目标环境下无人机检测方法，通过采集无人机与鸟类在同一空域下同时出现的图像数据，并对图像进行筛选和标注，构建多运动目标数据集；在输入端对图像进行数据增强处理，在骨干网络部分提出了一种改进的CA注意力机制模块，并将该结构插入YOLOv5s的网络模型中，增强了网络的特征提取能力，进而提升检测精确度；在头部加入F‑EIoU损失函数模块，解决了难易样本不平衡的问题，又提升了检测网络的鲁棒性。最后使用训练好的改进检测网络模型进行检测，得到检测结果，解决多运动目标环境下针对无人机的目标检测误检率漏检率较大的问题。

公开(公告)号：CN117743166A

公开(公告)日：2024-03-22

申请号：CN202311758907.X

申请日：2023-12-19

Applicant: 桂林电子科技大学

Inventor： 黄新 ,  杨竞波 ,  何堂泉 ,  黄世霖

IPC: G06F11/36 ,  G06N3/006 ,  G06N3/04

Abstract: 本发明提出一种基于多策略改进野狗算法的IEEE1149.10协议多扫描通道同步测试优化方法，包括：步骤一：根据PDL文件和BSDL文件读取待测芯片测试结构信息；步骤二：建立多扫描通道同步测试中扫描通道分组的目标函数；步骤三：初始化野狗算法种群大小和个体信息；步骤四：执行野狗捕食策略；步骤五：野狗种群信息更新；步骤六：判断终止条件，若没有达到终止条件则回到步骤四；步骤七：输出适应度最优的个体信息；步骤八：执行扫描通道分组操作。本发明优化了野狗算法的全局搜索能力，保证高效解决IEEE1149.10协议多扫描通道同步测试数据包优化问题。

公开(公告)号：CN117132867A

公开(公告)日：2023-11-28

申请号：CN202311038241.0

申请日：2023-08-17

Applicant: 桂林电子科技大学

Inventor： 马峻 ,  黄世霖 ,  王旭哲 ,  李龙朝

IPC: G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06V10/774 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于改进YOLOv5的相似性背景下无人机检测方法，通过将SimAM注意力机制模块嵌入到YOLOv5的特征提取模块，SimAM注意力机制可以在不引入额外参数量的情况下，为神经元分配3D注意力权值，增强重要的神经元输出，抑制非重要的神经元输出；同时通过将YOLOv5原Neck层替换为BiFPN结构，使得预测层可以利用不同特征层的特征，这样可以大大提升网络的预测精度；再使用预处理与标注过的无人机图像数据集对改进后的YOLOv5模型进行训练，获得检测模型，最后使用检测模型对待测无人机视频进行检测得到检测结果。经验证，本发明增加了无人机目标的特征提取能力，有效减少相似性背景下目标检测的误检率、漏检率。