换一批摘要针对目标跟踪过程中目标身份(ID)跳变而影响时敏目标识别的问题,提出了一种融合增强现实技术(AR)、稳态视觉诱发电位(SSVEP)和 YOLOv3 的人在回路的"检测-决策"时敏目标识别方法(AR-SSVEP-YOLOv3).利用目标感知模块获取前端场景视频,并通过 AR眼镜实时呈现,YOLOv3 算法完成场景视频中敏感目标检测,AR-SSVEP 脑电处理模块解析受试者的脑电数据,在 ID 变化过程中对时敏目标进行识别.对比分析时敏目标的识别率,结果表明:AR-SSVEP-YOLOv3 时敏目标识别方法相比 YOLOv3 算法识别率平均提升了 18.8%,相比 YOLOv3-Sort算法平均提升了 8.0%.AR-SSVEP-YOLOv3 时敏目标识别方法可以降低目标 ID 跳变对时敏目标识别的影响,提升人机交互能力和时敏目标识别率.
更多相关知识
关键词
增强现实人工智能时敏目标目标检测稳态视觉诱发电位目标识别augmented realityartificial intelligencetime-sensitive targetobject detectionsteady state visual evoked potentialtarget recognition
栏目名称
DOI
10.13705/j.issn.1671-6833.2025.01.017
发布时间
2025-07-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省科技攻关计划项目（242102211018）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
