期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
基于机器学习的毫米波雷达车辆目标检测 预览
1
作者 魏涛 韩经鲁 +1 位作者 周雨辉 曹志博 《客车技术与研究》 2019年第5期59-62,共4页
为了提高毫米波雷达对前方车辆检测的准确性,本文提出一种基于机器学习的前方车辆检测方法。结果表明,该方法满足智能客车环境感知系统对于实时性和准确性的要求。
关键词 智能客车 车辆目标检测 毫米波雷达 机器学习
在线阅读 下载PDF
基于SSD的道路前方车辆检测 预览 被引量:1
2
作者 徐乐 刘翔 张华 《软件导刊》 2019年第5期27-30,36共5页
目标检测是计算机视觉领域重要的研究方向,应用于无人驾驶、机器人、行人检测等领域。然而,高检测准确率、鲁棒性等对目标检测方法提出了严苛要求。针对SSD对不同场景下检测准确率较低的问题,提出了一种改进的基于残差网络的SSD目标检... 目标检测是计算机视觉领域重要的研究方向,应用于无人驾驶、机器人、行人检测等领域。然而,高检测准确率、鲁棒性等对目标检测方法提出了严苛要求。针对SSD对不同场景下检测准确率较低的问题,提出了一种改进的基于残差网络的SSD目标检测模型,以提升对不同场景的检测精度。对比研究了不同算法在MIT数据集和真实交通场景下的检测能力。实验结果表明,该方法的车辆目标检测准确率为96.72%,耗时短,鲁棒性高,有一定的泛化能力,为未来智能辅助驾驶系统提供了一种全新思路。 展开更多
关键词 深度学习 SSD 车辆目标检测
在线阅读 免费下载
基于深度学习特征表达的车辆检测和分析 预览
3
作者 周必书 《信息通信》 2018年第4期20-23,共4页
在基于单目视觉的辅助驾驶中,对车载摄像头拍摄的视频进行车辆检测、识别、分析,可以提取出有效信息来提醒 司机或控制车辆的行驶,是机器视觉技术挑战问题.该文利用深度特征表达对车载视频进行车辆检测和分析,首先,针 对现有卷积神经网... 在基于单目视觉的辅助驾驶中,对车载摄像头拍摄的视频进行车辆检测、识别、分析,可以提取出有效信息来提醒 司机或控制车辆的行驶,是机器视觉技术挑战问题.该文利用深度特征表达对车载视频进行车辆检测和分析,首先,针 对现有卷积神经网络对超清分辨率车载视频分析效果差的问题,提出随机失活池化降维方法改进设计卷积神经网络适 应高分辨率视频;其二,针对检测标识的车辆提取行驶状态信息的问题,该文利用现有卷积神经网络的重新训练分析出 车辆的行驶方向:前向(F-direction )行驶车辆和对向(R-direction )行驶车辆.实验证明,该文的方法能够实时、有效地检 测车辆和分析状态. 展开更多
关键词 卷积神经网络 车辆目标检测 车辆状态分析
在线阅读 下载PDF
基于深度学习方法的复杂场景下车辆目标检测 预览 被引量:17
4
作者 宋焕生 张向清 +1 位作者 郑宝峰 严腾 《计算机应用研究》 CSCD 北大核心 2018年第4期1270-1273,共4页
针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合ImageNet中的车辆数据集,把场景中的目标检测问题转换为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基... 针对实际交通场景下的车辆目标,应用深度学习目标分类算法中具有代表性的Faster R-CNN框架,结合ImageNet中的车辆数据集,把场景中的目标检测问题转换为目标的二分类问题,进行车辆目标的检测识别。相比传统机器学习目标检测算法,基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明,该方法在识别精度以及速度上均取得了显著的提高。 展开更多
关键词 深度学习 FASTER R-CNN ImageNet数据集 车辆目标检测
在线阅读 下载PDF
基于深度学习的无人机影像车辆识别 预览
5
作者 项阳 《信息与电脑》 2018年第9期71-73,共3页
无人机影像在小空间尺度上具有更好的探测地表物体能力。笔者针对无人机影像中车辆提取精度不高的问题,采用深度卷积神经网络(CNN)识别影像中车辆目标。首先生成大量的训练样本,构造层卷积神经网络并进行训练,然后根据训练模型对影像... 无人机影像在小空间尺度上具有更好的探测地表物体能力。笔者针对无人机影像中车辆提取精度不高的问题,采用深度卷积神经网络(CNN)识别影像中车辆目标。首先生成大量的训练样本,构造层卷积神经网络并进行训练,然后根据训练模型对影像中待识别区域的车辆目标进行识别,并将识别结果与面向对象检测方法相比较。实验结果表明,该方法能够有效识别影像中的车辆目标,具有更高的识别率,优于其他方法。 展开更多
关键词 深度学习 卷积神经网络 无人机影像 车辆目标检测
在线阅读 下载PDF
基于改进VGG卷积神经网络的前方车辆目标检测 被引量:1
6
作者 陈毅 黄妙华 胡胜 《数字制造科学》 2018年第4期282-287,共6页
针对目前无人驾驶汽车领域中的车辆目标检测问题提出了一种改进的车辆检测方法。首先,采用自适应阈值分割算法提取图像中所有前方车辆底部阴影特征,并得到车辆检测假设区域;然后,通过预先训练改进的VGG卷积神经网络作为车辆检测分类器,... 针对目前无人驾驶汽车领域中的车辆目标检测问题提出了一种改进的车辆检测方法。首先,采用自适应阈值分割算法提取图像中所有前方车辆底部阴影特征,并得到车辆检测假设区域;然后,通过预先训练改进的VGG卷积神经网络作为车辆检测分类器,对所有车辆检测假设区域进行验证,最终确定图像中所有车辆的位置。通过对试验结果进行分析,采用改进的VGG卷积神经网络结构在测试集上的检测准确率达91.95%,并在实际图片测试中取得了良好的检测效果。 展开更多
关键词 VGG卷积神经网络 车辆目标检测 车底阴影 深度学习
基于深度学习的无人机影像车辆检测研究
7
作者 王荣辉 徐红岩 《江西测绘》 2018年第3期21-24,共4页
本文采用分辨率较高且获取方便的无人机影像作为数据源,利用Faster R-CNN网络提取影像中车辆目标。首先用ImageNet数据集微调Faster R-CNN网络,再用无人机影像制作样本集并对Faster R-CNN网络再次训练,得到目标检测模型。将检测模型用... 本文采用分辨率较高且获取方便的无人机影像作为数据源,利用Faster R-CNN网络提取影像中车辆目标。首先用ImageNet数据集微调Faster R-CNN网络,再用无人机影像制作样本集并对Faster R-CNN网络再次训练,得到目标检测模型。将检测模型用于识别影像中的车辆目标:先提取车辆目标所在区域,排除其它地物干扰,利用分类器识别候选框中目标类别,同时使用回归器修正候选框位置。实验结果表明,Faster R-CNN网络能够有效提取影像中的车辆目标。 展开更多
关键词 深度学习 FASTER R-CNN 无人机影像 车辆目标检测
基于区域的GLRT车辆目标检测方法 预览 被引量:1
8
作者 彭荣鲲 周鑫 +2 位作者 王沛 赵永辉 琚映云 《南京航空航天大学学报》 CAS CSCD 北大核心 2014年第6期931-937,共7页
基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究.提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与... 基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究.提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合.首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域.然后根据分割结果,分别对两区域数据建立合理的统计模型.最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果.对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。 展开更多
关键词 SAR图像 车辆目标检测 图像分割 统计模型 广义似然比法
在线阅读 下载PDF
车载移动执法中违规车辆智能检测研究 预览
9
作者 陈刚 陈斌 钱基德 《电子科技大学学报》 CSCD 北大核心 2018年第3期350-355,共6页
提出了一个面向高速道路交通车辆违规行为移动执法智能检测模型。系统模型分为车道线检测、车辆检测与跟踪、逆透视变换及几何量算、面向车道定位的地图精细匹配等4个子模块。该系统模型算法在实际高速公路环境中进行了车辆违规行为检测... 提出了一个面向高速道路交通车辆违规行为移动执法智能检测模型。系统模型分为车道线检测、车辆检测与跟踪、逆透视变换及几何量算、面向车道定位的地图精细匹配等4个子模块。该系统模型算法在实际高速公路环境中进行了车辆违规行为检测,以及车道线检测、车辆目标及跟踪等专项测试以表征其对车辆违规行为的检测能力。测试结果表明,该系统模型具备在一定的复杂交通环境中车辆违规行为辨识能力。相关专项测试表明,该模型可以快速及准确地检测记录违规车辆。 展开更多
关键词 车道线检测 地图匹配 车载移动交通执法 车辆目标检测及跟踪 车辆违规行为检测
在线阅读 免费下载
基于差分均值背景提取和矩阵分区目标检测算法的研究 预览 被引量:5
10
作者 韩超 邓甲昊 +1 位作者 邹金慧 韩敏 《北京理工大学学报》 EI CAS CSCD 北大核心 2012年第12期1247-1251,1257共6页
为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的... 为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的检测.实验结果表明,此种方法简单、计算量小、鲁棒性高,能快速地提取出背景图像,检测出比较完整的车辆阴影,可满足多运动目标的实时检测要求. 展开更多
关键词 智能交通 背景提取 阴影检测 车辆目标检测算法
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈