本文提供了一种基于可见光和红外特征自适应融合的目标检测方法，涉及目标检测技术领域，所述方法包括:对可见光特征图和红外特征图进行通道注意力处理、空间注意力处理，基于空间注意力处理结果得到第一融合特征图；基于空间注意力处理结果进行坐标注意力处理以及进行可见光特征权重和红外特征权重计算；基于坐标注意力处理结果和权重计算结果处理得到第二融合特征图；基于所述第二融合特征图处理得到第三融合特征图；基于所述第一融合特征图、所述第二融合特征图和所述第三融合特征图进行多尺度特征融合；基于多尺度特征融合结果进行目标检测。相较于现有的单模态与多模态目标检测算法，本申请提供的方法能够获得更高的检测精度。

 本文公开了一种多特征融合的红外船舶图像修复方法、装置、设备及介质，方法包括获取第一图像数据和真实图像数据，对第一图像数据进行手工特征提取和深度特征提取，获得手工特征数据和深度特征数据；将手工特征数据与深度特征数据进行融合，获得融合特征；将融合特征输入卷积神经网络模型对第一图像数据进行修复，获得第二图像数据；根据第二图像数据与真实图像数据，获得重建损失函数，根据重建损失函数对卷积神经网络模型进行优化，获得红外船舶图像修复模型；根据红外船舶图像修复模型对红外船舶图像进行修复。本申请在复杂场景和极端条件下具有较强的修复鲁棒性，能够稳定恢复红外图像细节并提升整体修复质量。

 本技术提供了一种基于颜色编码的V‑I轨迹图像的非侵入式负荷监测方法，本发明在实时的电压和电流值数据构建的V‑I轨迹图像基础上，通过计算实时电流值的大小，V‑I轨迹图中单位像素格内所包含的对应电流数据点数量及其电流幅值（最大值），将计算所得到的三类值分别映射到“R”，“G”，“B”三原色，构建RGB三通道颜色空间，对V‑I轨迹图像进行颜色编码，显著增强了负荷特征的表达能力。显著提升了不同负荷类型的特征区分度。本发明在多个公开的非侵入式电力负荷监测数据集（PLAID和WHITED）上均实现了高准确率和良好的泛化能力，优于现有的最先进方法，具有广泛的应用前景。

 本公开提供一种结构磁共振成像的分析方法、系统及存储介质，包括:获得样本数据，其中，样本数据为经结构磁共振成像的T1加权结构像，根据样本数据，确定在原始脑网络空间中感兴趣区域的形态指标的地图，将地图重新采样到预设的标准脑网络空间模板，并进行高斯核平滑处理，得到标准脑网络空间模板数据，将标准脑网络空间模板数据映射至预先构建的脑图谱模板，根据映射后的脑图谱模板确定机器学习模型的特征输入，基于特征输入对机器学习模型的分类性能进行训练，得到分类模型。可以提高训练的有效性和可靠性，从而可以提高基于训练得到的分类模型进行分类的准确性。

本文涉及一种基于摄像头设备的三维人脸重建方法及相关设备，涉及计算机技术领域，该方法包括:通过摄像头设备对目标对象进行拍摄，得到至少两个视角方向下的图像采集数据；依据每一视角方向下的采集图像数据进行人脸点云处理，得到人脸点云数据集；依据人脸点云数据集中的人脸点云数据进行配准处理，得到姿态参考点云数据和人脸转换点云数据；基于预设的人脸基点云数据，对姿态参考点云数据和人脸转换点云数据进行融合处理，得到目标人脸点云数据；依据目人脸点云数据进行曲面重建，得到三维人脸模型。本申请利用消费级的摄像头设备完成三维人脸重建，在满足人三维人脸模型所需的模型精度的同时降低成本。

本技术提供了一种基于重构网络的缺陷检测方法，通过采集无缺陷图片，经数据增强处理，得到增强的样本；再构建重构网络，将其训练后作为特征提取器，对增强的样本进行特征提取，得到特征向量；然后构建基于跨尺度流的检测网络，将特征向量变换成不同的比例，并对不同比例对应的多尺度特征图并行地进行密度估计，输出异常密度图，得到缺陷检测结果。通过上述方式，本发明能够将重构网络作为特征提取器，对样本特征进行精确提取；并引入跨尺度流联合处理不同尺度的图像特征，再使用完全卷积的归一化流在各尺度之间进行交叉连接，对特征进行密度估计，使图像上的缺陷区域能够被可视化，且能够在训练样本数量较少的情况下取得较好的检测效果。

本公开涉及一种生成温度云图的方法、装置、存储介质及电子设备。该方法包括:获取用于表征目标机房的目标切面的切面图像；根据目标机房内的测点的检测温度，以及测点与目标切面的位置关系，确定目标切面内作为热源点的目标位置以及目标位置的热源温度，其中测点是目标机房内设置有温度采集装置的位置点；针对目标切面中的每一位置点，根据目标位置点与位置点之间的距离以及目标位置点的热源温度，确定位置点在目标位置点的热辐射作用下的温度值；将目标切面中每一位置点的温度值映射到切面图像中，并根据切面图像生成对应目标切面的温度云图。采用本公开的这种方式可以提升生成温度云图的准确性。

本技术提供一种图像雨滴去除方法、装置、设备及可读存储介质，图像雨滴去除方法包括:获取摄像头采集的有雨滴遮挡的图像，并将所述有雨滴遮挡的图像输入去雨滴模型的编码器；编码器基于所述有雨滴遮挡的图像得到特征图，并将特征图输入去雨滴模型的解码器；去雨滴模型的解码器基于所述特征图，得到雨滴去除后的目标图像。通过将本发明的去雨滴模型嵌入至算力有限的车载芯片上使用，可以在低算力消耗的前提下，实现图像去雨结果的高精度性和高实时性，从而有利于驾驶员或自动驾驶控制单元使用去雨后的视觉信息，进行更为准确地驾驶行为判断与驾驶行为操作，减少智能驾驶中的行车或者泊车过程的安全隐患，提升驾驶的安全系数和智能化程度。

本技术公开了数字乡村独居老人安全求助方法、系统、设备及存储介质。其首先从摄像头采集的被监控独居老人的行为状态监控视频提取多个行为状态监控关键帧，接着，基于光流特征提取网络从所述多个行为状态监控关键帧提取光流图像的序列，然后，将所述多个行为状态监控关键帧通过基于三维卷积神经网络模型的空间流特征提取器以得到第一行为监控特征图，接着，将所述光流图像的序列通过基于三维卷积神经网络模型的时间流特征提取器以得到第二行为监控特征图，然后，融合所述第一行为监控特征图和所述第二行为监控特征图以得到分类特征图，最后，将所述分类特征图通过分类器以得到用于表示是否产生安全求助请求的分类结果。这样，可以及时有效地产生安全求助请求。

本技术公开了一种基于对抗网络和多尺度密集特征融合图像去雾方法，属于图像处理技术领域，该去雾方法具体步骤如下:(1)构建用于图像去雾条件对抗生成网络；(2)使用公开图像去雾数据集训练该网络至收敛；(3)将训练好的生成器网络作为图像去雾网络，输入为有雾图像，输出为去雾后的图像；本发明在生成器网络中引入残差密集块和基于反投影技术的密集特征融合模块，并利用其分别进行局部特征融合和多尺度密集特征融合，通过有效的融合不同层次的特征来逐步得到更清晰的图像；从而有利于使图像去雾更加自然，并且有利于消除噪声。