摘要：针对基于视觉的传统海面目标检测算法在水面无人艇的自动避碰应用中存在检测精确率、召回率低以及对复杂场景的适应性不足的问题,提出一种基于概率图与视觉显著性的海面目标检测算法。首先利用概率图模型分割出原始图像中的海界限区域与海面孤立目标;然后针对海界限区域子图像特点,设计了一种基于方向抑制的梯度特征,并结合背景先验改进频率调谐显著图,利用特征融合的方法提取海界限区域的潜在目标。实验结果表明,该算法能够有效抑制云、飞鸟、海天线和海杂波的背景干扰。与传统方法相比,提出的方法具有更高的精确率与召回率,且满足无人艇自动避碰实时性的要求。

摘要：传统的海面目标检测识别方法在复杂背景下存在目标检测率低、目标特征依赖人工设计等问题,很难满足实际应用的要求。本文以深度学习、智能芯片等技术为基础,针对可见光、遥感等多波段传感器成像,基于主流深度学习框架建立图像识别、目标检测网络模型,实现智能目标位置检测、目标分类及关键部位识别,采用通用智能芯片NPU(Neural Process Unit)搭建完成嵌入式环境下可见光场景舰船目标智能识别系统,实现智能目标识别算法在硬件资源受限环境下的高效处理,初步验证智能技术在飞行器上应用的可行性。