黃恒一 付三麗

摘? 要：文章基于YOLOv5目標(biāo)檢測(cè)環(huán)境的計(jì)算機(jī)終端，通過(guò)配備無(wú)線路由器的無(wú)線攝像頭實(shí)現(xiàn)對(duì)行人的實(shí)時(shí)檢測(cè)，通過(guò)deepsort算法對(duì)目標(biāo)行人的方向進(jìn)行計(jì)數(shù)，并對(duì)其進(jìn)行跟蹤。當(dāng)目標(biāo)計(jì)算機(jī)終端繪制的特定區(qū)域出現(xiàn)識(shí)別目標(biāo)時(shí)，實(shí)現(xiàn)機(jī)器視覺(jué)語(yǔ)音自動(dòng)報(bào)警，此外，該系統(tǒng)可以抓拍所識(shí)別的目標(biāo)行人的照片。文章內(nèi)容對(duì)研究人員入門(mén)機(jī)器視覺(jué)以及開(kāi)發(fā)視覺(jué)相關(guān)應(yīng)用產(chǎn)品具有一定的指導(dǎo)價(jià)值。

關(guān)鍵詞：抓拍；語(yǔ)音報(bào)警；計(jì)數(shù)；無(wú)線路由；deepsort算法

中圖分類(lèi)號(hào)：TP391.4；TP18? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）09-0018-04

Abstract： In the computer terminal based on YOLOV5 target detection environment， this paper realizes the real-time detection of pedestrians through the wireless camera equipped with a wireless router， and the direction of the target pedestrians is counted and tracked through the deepsort algorithm. When the identified target appears in a specific region drawn by the target computer terminal， the machine vision voice automatic alarm is realized. In addition， the system can capture the photos of the identified target pedestrians. The content of this paper has a certain guiding value for researchers to learn machine vision and develop vision related application products.

Keywords： capture; voice alarm; counting; wireless routing; deepsort algorithm

0? 引? 言

當(dāng)下隨著嵌入式技術(shù)、機(jī)器學(xué)習(xí)、AI等人工智能新興技術(shù)的飛速發(fā)展，目標(biāo)檢測(cè)應(yīng)用非常廣泛，例如生活中常見(jiàn)的人臉識(shí)別、車(chē)牌識(shí)別等；在自動(dòng)駕駛領(lǐng)域，有行人識(shí)別、車(chē)道線識(shí)別；還有智能視頻監(jiān)控、機(jī)器人導(dǎo)航、飛機(jī)航拍等多個(gè)領(lǐng)域的應(yīng)用。目標(biāo)監(jiān)測(cè)最經(jīng)典也是最常用的應(yīng)用之一就是人臉識(shí)別?，F(xiàn)在的智能手機(jī)、人臉支付、安檢等功能，都用到人臉檢測(cè)算法，而且速度快、準(zhǔn)確率高。通過(guò)智能視覺(jué)識(shí)別，一群人站在一起，仍然可以清晰地檢測(cè)出每個(gè)人的臉部特征，實(shí)現(xiàn)人臉識(shí)別。

由于目前的一些嵌入式應(yīng)用產(chǎn)品中融合了大量人工智能技術(shù)、當(dāng)下人們生活中的嵌入式產(chǎn)品離不開(kāi)機(jī)器視覺(jué)、人工智能等技術(shù)。機(jī)器視覺(jué)系統(tǒng)的特點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度。在一些不適合人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿足要求的場(chǎng)合，常用機(jī)器視覺(jué)來(lái)替代人工視覺(jué)；同時(shí)在大批量工業(yè)生產(chǎn)過(guò)程中，用人工視覺(jué)檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺(jué)檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。而且機(jī)器視覺(jué)易于實(shí)現(xiàn)信息集成，是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它通過(guò)了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能可以對(duì)人的意識(shí)、思維的信息過(guò)程進(jìn)行模擬，能像人那樣思考、也可能超過(guò)人的智能。論文在機(jī)器視覺(jué)、人工智能背景下設(shè)計(jì)了基于YOLOv5目標(biāo)識(shí)別無(wú)線抓拍追蹤聲音報(bào)警系統(tǒng)[1]。

論文機(jī)器視覺(jué)系統(tǒng)在樹(shù)莓派YOLOv5環(huán)境下通過(guò)無(wú)線路由器配置的攝像頭實(shí)現(xiàn)對(duì)行人數(shù)量信息的視覺(jué)檢測(cè)并在顯現(xiàn)界面實(shí)時(shí)統(tǒng)計(jì)出監(jiān)測(cè)的行人數(shù)量，此外論文視覺(jué)目標(biāo)檢測(cè)系統(tǒng)可對(duì)視覺(jué)目標(biāo)檢測(cè)區(qū)域進(jìn)行設(shè)定，當(dāng)目標(biāo)檢測(cè)區(qū)域出現(xiàn)識(shí)別目標(biāo)的時(shí)候，監(jiān)控畫(huà)面會(huì)進(jìn)行實(shí)時(shí)識(shí)別提示并且電腦端會(huì)實(shí)現(xiàn)語(yǔ)音報(bào)警，此外論文系統(tǒng)可根據(jù)目標(biāo)特征訓(xùn)練的模型，對(duì)目標(biāo)行人進(jìn)行圖片的抓拍，用于進(jìn)一步跟蹤分析行人特征信息。

1? 目標(biāo)識(shí)別原理

傳統(tǒng)的計(jì)算機(jī)目標(biāo)識(shí)別原理是通過(guò)圖像識(shí)別器對(duì)特定目標(biāo)進(jìn)行識(shí)別，但是對(duì)于一副畫(huà)面中出現(xiàn)多種目標(biāo)物體及對(duì)機(jī)器視覺(jué)圖像識(shí)別處理速度實(shí)時(shí)性要求較高的一些領(lǐng)域，如自動(dòng)駕駛等領(lǐng)域，一些新的圖像目標(biāo)識(shí)別技術(shù)就出現(xiàn)了。論文目標(biāo)識(shí)別系統(tǒng)用到的YOLOv5目標(biāo)檢測(cè)算法，該算法是一種將圖像劃分為網(wǎng)格系統(tǒng)的對(duì)象檢測(cè)算法，網(wǎng)格中的每個(gè)單元格負(fù)責(zé)檢測(cè)自身內(nèi)部的對(duì)象[2]。

1.1? 機(jī)器視覺(jué)

機(jī)器視覺(jué)就是利用機(jī)器系統(tǒng)代替人的眼睛以及大腦來(lái)作出各種測(cè)量和判斷。采用成像技術(shù)（通常使用相機(jī)）獲取被測(cè)目標(biāo)的圖像，再經(jīng)過(guò)快速圖像處理，與圖形識(shí)別算法，從攝取圖像中獲得目標(biāo)的尺寸、方位、光譜、結(jié)構(gòu)、缺陷等信息，從而可以執(zhí)行產(chǎn)品檢驗(yàn)，分類(lèi)與分組，裝配線上的機(jī)械手運(yùn)動(dòng)引導(dǎo)，零部件的識(shí)別與定位，生產(chǎn)過(guò)程中質(zhì)量監(jiān)控與過(guò)程控制反饋等任務(wù)[3]。

1.2? 行人監(jiān)測(cè)

論文中的行人監(jiān)測(cè)主要是通過(guò)行人模型識(shí)別器，通過(guò)搭建Python環(huán)境下行人識(shí)別環(huán)境，當(dāng)有行人信息通過(guò)目標(biāo)區(qū)域的時(shí)候，就會(huì)將目標(biāo)行人框選出來(lái)，通過(guò)deepsort算法對(duì)目標(biāo)行人進(jìn)行跟蹤，并將通過(guò)攝像頭監(jiān)測(cè)的行人數(shù)量信息實(shí)時(shí)統(tǒng)計(jì)出來(lái)[4]。

1.3? 目標(biāo)識(shí)別語(yǔ)音報(bào)警

傳統(tǒng)的目標(biāo)識(shí)別系統(tǒng)對(duì)目標(biāo)信息進(jìn)行檢測(cè)，論文機(jī)器視覺(jué)系統(tǒng)在目標(biāo)檢測(cè)識(shí)別的基礎(chǔ)上增加了語(yǔ)音報(bào)警、區(qū)域檢測(cè)語(yǔ)音報(bào)警等功能。當(dāng)運(yùn)行目標(biāo)檢測(cè)腳本文件，當(dāng)目標(biāo)區(qū)域目標(biāo)物體識(shí)別檢測(cè)到后會(huì)聯(lián)動(dòng)判斷觸發(fā)后臺(tái)語(yǔ)音文件，進(jìn)行后臺(tái)語(yǔ)音文件的播報(bào)[5]。

2? 系統(tǒng)方案

論文目標(biāo)識(shí)別監(jiān)控計(jì)數(shù)報(bào)警系統(tǒng)涉及硬件主要有樹(shù)莓派監(jiān)控平臺(tái)，PC電腦端，用于配置樹(shù)莓派無(wú)線攝像頭的路由器及監(jiān)控?cái)z像頭。系統(tǒng)運(yùn)行時(shí)，PC、樹(shù)莓派均要加入系統(tǒng)無(wú)線路由器搭建的局域網(wǎng)熱點(diǎn)。電腦端通過(guò)樹(shù)莓派遠(yuǎn)程登錄軟件VNC進(jìn)入樹(shù)莓派桌面端，運(yùn)行行人目標(biāo)計(jì)數(shù)檢測(cè)報(bào)警程序，即可彈出路由器上搭載的USB攝像頭即可在PC端接收無(wú)線路由器上攝像頭視頻流監(jiān)控畫(huà)面[6]。此外論文目標(biāo)模型可對(duì)攝像頭內(nèi)的目標(biāo)行人信息進(jìn)行抓拍、語(yǔ)音報(bào)警。論文系統(tǒng)原理結(jié)構(gòu)圖如圖1所示。

2.1? 系統(tǒng)硬件環(huán)境

系統(tǒng)目標(biāo)識(shí)別硬件涉及電腦端、樹(shù)莓派平臺(tái)、Wi-Fi無(wú)線路由器。論文用于訓(xùn)練目標(biāo)識(shí)別模型電腦配置信息如下。系統(tǒng)制造商：LENOVO，系統(tǒng)型號(hào)：QiTianA7100-N000，BIOS：LENOVO BIOS，版本：F0KT39A 0.0，處理器：Intel（R）Pentium（R）CPU G2030@3.00 GHz（2個(gè)CPU）～3.0 GHz，內(nèi)存：4 096 MB RAM，可用操作系統(tǒng)內(nèi)存：3 918 MB RAM，頁(yè)面文件：使用3 406 MB，可用4 426 MB。電腦端用于訓(xùn)練目標(biāo)識(shí)別的模型文件及通過(guò)VNC軟件登錄樹(shù)莓派處理器進(jìn)行目標(biāo)行人的監(jiān)控顯示，可移動(dòng)監(jiān)控平臺(tái)用于對(duì)目標(biāo)區(qū)域行人數(shù)量信息進(jìn)行實(shí)時(shí)檢測(cè)、統(tǒng)計(jì)人數(shù)并可實(shí)現(xiàn)對(duì)目標(biāo)行人進(jìn)行抓拍運(yùn)算，Wi-Fi路由器用于搭建目標(biāo)識(shí)別系統(tǒng)的局域網(wǎng)熱點(diǎn)。系統(tǒng)硬件搭配實(shí)物圖如圖2所示。

2.1.1? 樹(shù)莓派硬件

論文行人數(shù)量統(tǒng)計(jì)應(yīng)用案例用到的樹(shù)莓派處理器如圖3所示，它是一款基于ARM的微型電腦主板，以SD/MicroSD卡為內(nèi)存硬盤(pán)，卡片主板周?chē)?/2/4個(gè)USB接口和一個(gè)10/100以太網(wǎng)接口（A型沒(méi)有網(wǎng)口），可連接鍵盤(pán)、鼠標(biāo)和網(wǎng)線，同時(shí)擁有視頻模擬信號(hào)的電視輸出接口和HDMI高清視頻輸出接口，以上部件全部整合在一張僅比信用卡稍大的主板上，具備所有PC的基本功能只需接通電視機(jī)和鍵盤(pán)，就能執(zhí)行如電子表格、文字處理、玩游戲、播放高清視頻等諸多功能[7]。

2.1.2? 無(wú)線監(jiān)控模塊

監(jiān)控模塊由Wi-Fi數(shù)傳模塊和高清攝像頭組成。具體工作過(guò)程如下，高清攝像頭拍攝實(shí)時(shí)監(jiān)控畫(huà)面?zhèn)鹘o數(shù)傳模塊，Wi-Fi數(shù)傳模塊再通過(guò)Wi-Fi將畫(huà)面?zhèn)鬏斒謾C(jī)或者平板中。Wi-Fi數(shù)傳模塊供電電壓為5 V，驅(qū)動(dòng)電流為1 A，搭載64 M RAM儲(chǔ)存，配備一個(gè)USB接口，天線上搭載大功率板載天線，通過(guò)TTL串口進(jìn)行通信。高清攝像頭模塊通過(guò)USB接口與數(shù)傳模塊相連，其供電電壓為5 V，像素為30萬(wàn)，輸出幀率為30 FPS，支持手動(dòng)調(diào)焦[8]。如圖4和圖5所示，分別為高清攝像頭和Wi-Fi數(shù)傳模塊實(shí)物圖。

2.2? 系統(tǒng)軟件環(huán)境

論文目標(biāo)識(shí)別系統(tǒng)軟件通過(guò)PC端進(jìn)行環(huán)境搭建。PC端環(huán)境搭建需要acona、Python、PyCharm進(jìn)行實(shí)驗(yàn)測(cè)試環(huán)境的搭建。通過(guò)PyCharm加載目標(biāo)源文件、通過(guò)acona搭建目標(biāo)測(cè)試的虛擬環(huán)境。行人模型的生成是通過(guò)Lambel軟件，進(jìn)行行人圖片信息的標(biāo)注，生成行人數(shù)據(jù)集，通過(guò)PyCharm進(jìn)行行人數(shù)據(jù)集的訓(xùn)練，生成best.pt行人模型文件，后續(xù)導(dǎo)入到樹(shù)莓派中，分別進(jìn)行行人圖片、行人視頻、攝像頭行人信息的實(shí)時(shí)識(shí)別，實(shí)現(xiàn)抓拍、跟蹤、語(yǔ)音報(bào)警功能。

2.2.1? 聲音監(jiān)控區(qū)域代碼

限定區(qū)域監(jiān)控語(yǔ)音報(bào)警代碼如下，讓目標(biāo)區(qū)域檢測(cè)出識(shí)別目標(biāo)即實(shí)現(xiàn)機(jī)器端的語(yǔ)音聲音文件報(bào)警。

<bndbox>

<xmin>1034</xmin>

<ymin>167</ymin>

<xmax>1366</xmax>

<ymax>565</ymax>

</bndbox>

上述代碼中的數(shù)值就是聲音監(jiān)控區(qū)域框面積的代碼，通過(guò)在程序中進(jìn)行數(shù)值的調(diào)整，即可實(shí)現(xiàn)目標(biāo)監(jiān)控區(qū)域位置、大小的變化。

2.2.2? 目標(biāo)識(shí)別代碼

目標(biāo)識(shí)別系統(tǒng)硬件環(huán)境Wi-Fi熱點(diǎn)搭配完畢后，PC端通過(guò)VNC軟件登錄樹(shù)莓派處理器桌面端，通過(guò)運(yùn)行監(jiān)控計(jì)數(shù)代碼，即可實(shí)現(xiàn)對(duì)目標(biāo)圖像的監(jiān)控識(shí)別。樹(shù)莓派命令終端目標(biāo)識(shí)別代碼如下：

python3 detect.py --source http：//@192.168.8.1：8083/？action=stream

上述代碼中的http：//@192.168.8.1：8083/？action=stream就是Wi-Fi路由器搭配的攝像頭視頻流[9]，樹(shù)莓派終端Python程序運(yùn)行完畢后，即可通過(guò)Wi-Fi路由器上的攝像頭實(shí)現(xiàn)目標(biāo)行人的識(shí)別，目標(biāo)識(shí)別畫(huà)面如圖6所示。

2.2.3? 追蹤目標(biāo)檢測(cè)線代碼

目標(biāo)識(shí)別追蹤系統(tǒng)中黃色橫線用來(lái)檢測(cè)攝像頭視野中有多少目標(biāo)通過(guò)特定的檢測(cè)線，目標(biāo)橫線檢測(cè)代碼如下。

mask_image_temp = np.zeros（（1080， 1920）， dtype=np.uint8）

list_pts_yellow = [[50， 50]， [50， 150]， [1850， 150]， [1850， 50]]

ndarray_pts_yellow = np.array（list_pts_yellow， np.int32）

polygon_yellow_value_2 = cv2.fillPoly（mask_image_temp， [ndarray_pts_yellow]， color=2）

polygon_yellow_value_2 = polygon_yellow_value_2[：， ：， np.newaxis]

通過(guò)上述代碼分析，坐標(biāo)點(diǎn)位置的判斷：

圖片格式為1 080×1 920，即圖片長(zhǎng)寬分別為1 920和1 080，在此范圍內(nèi)取值即為坐標(biāo)點(diǎn)。

例：取任意四點(diǎn)，[[500，500]，[500，600]，[1 000，600]，[1 000，500]]

目標(biāo)追蹤檢測(cè)結(jié)果畫(huà)面如圖7所示。

改變3和4的坐標(biāo)，使其增大800即[1 800，600]，[1 800，500]結(jié)果如圖8所示。

由上述圖7和圖8可以得知，橫坐標(biāo)增大向右偏移；反之向左偏移，縱坐標(biāo)增大向下偏移；反之向上偏移。黃線的位置為坐標(biāo)點(diǎn)之間依次連線圍成的封閉圖形。

2.3? 行人區(qū)域聲音報(bào)警

論文系統(tǒng)可以進(jìn)行目標(biāo)區(qū)域的繪制，目標(biāo)對(duì)象進(jìn)入目標(biāo)區(qū)域方框界限的時(shí)候，電腦端監(jiān)控區(qū)域畫(huà)面會(huì)進(jìn)行識(shí)別報(bào)警提示，此外電腦端會(huì)播放警報(bào)聲音，當(dāng)目標(biāo)區(qū)域沒(méi)有目標(biāo)對(duì)象的時(shí)候，電腦端不會(huì)發(fā)出報(bào)警聲音提示[10]。攝像頭監(jiān)控畫(huà)面端目標(biāo)區(qū)域行人識(shí)別正常畫(huà)面和報(bào)警畫(huà)面如圖9和圖10所示。

2.4? 行人抓拍

論文系統(tǒng)根據(jù)訓(xùn)練的模型標(biāo)注情況可以對(duì)目標(biāo)行人進(jìn)行自動(dòng)抓拍，當(dāng)路由器搭載的無(wú)線監(jiān)控?cái)z像頭中出現(xiàn)目標(biāo)行人信息的時(shí)候，會(huì)對(duì)目標(biāo)信息進(jìn)行自動(dòng)抓拍。攝像頭監(jiān)控畫(huà)面和樹(shù)莓派端目標(biāo)行人抓拍畫(huà)面如圖11和圖12所示。

2.5? 行人追蹤

論文目標(biāo)識(shí)別系統(tǒng)除了前文敘述對(duì)目標(biāo)圖像進(jìn)行計(jì)數(shù)、抓拍，還可以對(duì)攝像頭目標(biāo)圖像進(jìn)行軌跡跟蹤，通過(guò)運(yùn)行目標(biāo)跟蹤，可以實(shí)現(xiàn)對(duì)目標(biāo)圖像的精確分析。目標(biāo)圖像視覺(jué)跟蹤畫(huà)面如圖13和圖14所示。

由圖13和圖14可以得知，調(diào)整圖中目標(biāo)檢測(cè)線的位置即可實(shí)現(xiàn)對(duì)經(jīng)過(guò)目標(biāo)檢測(cè)線的人數(shù)的確切統(tǒng)計(jì)并實(shí)時(shí)顯示在畫(huà)面的上端。

3? 創(chuàng)新點(diǎn)

論文目標(biāo)檢測(cè)系統(tǒng)增加無(wú)線監(jiān)控模塊，通過(guò)配置無(wú)線路由器使得樹(shù)莓派可以通過(guò)Wi-Fi的方式連接無(wú)線攝像頭，增加了監(jiān)控設(shè)備的可移動(dòng)性。論文視覺(jué)目標(biāo)檢測(cè)模型增加了檢測(cè)目標(biāo)對(duì)象進(jìn)行語(yǔ)音報(bào)警功能及特定區(qū)域目標(biāo)對(duì)象語(yǔ)音報(bào)警模塊，目標(biāo)對(duì)象語(yǔ)音報(bào)警功能提高了系統(tǒng)對(duì)特定對(duì)象檢測(cè)反饋的效率，此外論文目標(biāo)識(shí)別系統(tǒng)可對(duì)目標(biāo)行人進(jìn)行自動(dòng)抓拍并保存本地端。

4? 結(jié)? 論

當(dāng)下機(jī)器視覺(jué)逐漸滲入社會(huì)生活的方方面面，在人臉識(shí)別、圖片識(shí)別、視頻監(jiān)控、3C應(yīng)用等各領(lǐng)域幾乎都能看到機(jī)器視覺(jué)的身影，對(duì)于工業(yè)領(lǐng)域而言，機(jī)器視覺(jué)的應(yīng)用更是大大降低了高危作業(yè)的危險(xiǎn)系數(shù)，保障了工業(yè)生產(chǎn)的安全性和高效性。論文基于樹(shù)莓派處理器實(shí)現(xiàn)的機(jī)器視覺(jué)目標(biāo)行人機(jī)器視覺(jué)環(huán)境下區(qū)域聲音報(bào)警、抓拍、跟蹤功能測(cè)試效果符合預(yù)期要求，論文研究的基于YOLOv5技術(shù)的聲音報(bào)警系統(tǒng)可拓展至相關(guān)特定目標(biāo)的識(shí)別及安防監(jiān)控領(lǐng)域。隨著嵌入式技術(shù)、人工智能、大數(shù)據(jù)技術(shù)的發(fā)展，論文研究的內(nèi)容與相關(guān)技術(shù)的融合結(jié)合應(yīng)用范圍會(huì)越來(lái)越廣泛。

參考文獻(xiàn)：

[1] 王曼菲，李志明.基于深度學(xué)習(xí)的港口移動(dòng)目標(biāo)識(shí)別技術(shù)研究 [J].中國(guó)水運(yùn)，2022（10）：59-60.

[2] 宋波.水下目標(biāo)識(shí)別技術(shù)的發(fā)展分析 [J].艦船電子工程，2014，34（4）：168-173.

[3] 王亮，陳建華，李燁.一種基于深度學(xué)習(xí)的無(wú)人艇海上目標(biāo)識(shí)別技術(shù) [J].兵工學(xué)報(bào)，2022，43（S2）：13-19.

[4] 曹健，王武軍，韓飛，等.基于局部特征的目標(biāo)識(shí)別技術(shù)研究 [J].計(jì)算機(jī)工程，2010，36（10）：203-205.

[5] 崔磊.針對(duì)多種聲特征的聲目標(biāo)識(shí)別技術(shù)研究 [J].價(jià)值工程，2011，30（14）：198-199.

[6] 李峰，詹邦成，辛蕾，等.基于新型聯(lián)合感知矩陣的壓縮學(xué)習(xí)目標(biāo)識(shí)別技術(shù) [J].電子學(xué)報(bào)，2021，49（11）：2108-2116.

[7] 臉部描述和目標(biāo)識(shí)別技術(shù) [J].電腦與電信，2011（2）：32.

[8] 唐自力，馬彩文.基于航跡和特征的目標(biāo)識(shí)別技術(shù)在多目標(biāo)跟蹤中的應(yīng)用 [J].光子學(xué)報(bào)，2010，39（2）：375-379.

[9] 薛武，趙玲，王鵬.星地協(xié)同光學(xué)遙感影像目標(biāo)識(shí)別技術(shù)驗(yàn)證研究 [J].航天返回與遙感，2021，42（3）：128-137.

[10] 唐紹富，段蘭蘭.基于遙感圖像的船舶目標(biāo)識(shí)別技術(shù) [J].艦船科學(xué)技術(shù)，2020，42（14）：85-87.

作者簡(jiǎn)介：黃恒一（1988.03—），男，漢族，河南信陽(yáng)人，講師，碩士研究生，研究方向：機(jī)器視覺(jué)、路徑規(guī)劃；付三麗（1985.10—），女，漢族，河南開(kāi)封人，講師，碩士研究生，研究方向：網(wǎng)絡(luò)安全。