基于NPU的实时深度学习跟踪算法实现北大核心CSCD

深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。     

小型化多视场电视摄像系统光机设计研究

针对目前军用光电搜索跟踪瞄准装置电视摄像系统的搜索范围和作用距离不断提高的需求特点,通过对成熟电视摄像系统的分析比较,明确了采用小型化固定焦距多视场的结构形式。基于该研究方向,提出一种采用嵌入组合式的前物镜组的光机结构设计思路,可实现固定焦距多视场电视摄像系统小型化的设计方案。通过光学设计、光机一体化设计,最终设计完成了一种光学变倍超过20倍、光轴稳定、四视场共用2个成像器件的四视场电视摄像系统,可满足现有军用光电搜索跟踪瞄准装置电视摄像系统的需求。     

一种基于粒子群优化的高斯混合灰度图像增强算法

提出一种采用粒子群优化(PSO)的高斯混合灰度图像增强算法。该算法首先采用高斯混合模型(GMM)对输入图像的灰度直方图建模,并采用模型中高斯成分的有效交点来分割直方图。随后,该算法将每个直方图区间的灰度值转换到合适的输出区间,生成增强后的灰度图像,其中转换函数由输入直方图区间的高斯成分和累积分布经过粒子群优化后的参数决定。实验结果显示,该方法生成的图像视觉效果较好,对原图像和纹理细节丰富图像分别进行图像增强,增强后的图像信息熵分别是4.746 6和7.952 6,灰度平均梯度为6.970 6和37.386 1。