检索结果-内蒙古大学图书馆

作者：熊文江西理工大学

学位级别：硕士

车辆检测模型易受光照、遮挡和几何形变等因素的影响,且图像中车辆尺度会随着摄像机镜头的远近发生改变,导致车辆检测模型对远处的车辆辨识度不高。现阶段出现了大量基于深度学习的车辆检测算法,大多采用锚框机制作为车辆检测候选框的... 详细信息

车辆检测模型易受光照、遮挡和几何形变等因素的影响,且图像中车辆尺度会随着摄像机镜头的远近发生改变,导致车辆检测模型对远处的车辆辨识度不高。现阶段出现了大量基于深度学习的车辆检测算法,大多采用锚框机制作为车辆检测候选框的预处理方法,锚框机制在一定程度上能提高模型的检测精度和检测时间,但其存在诸多不足导致车辆检测算法存在一定的局限性。针对上述问题,将目标车辆的关键点视为形状未知的锚框,并提出了三类车辆检测算法:基于角点的车辆检测算法、基于中心点的车辆检测算法和融合中心点和角点的车辆检测算法。主要工作如下:(1)基于角点的车辆检测算法。考虑到主流的车辆检测算法采用锚框机制提取候选区域时存在参数难以选择、正负样本不平衡等问题,利用车辆的角点来代替锚框,通过判断图像中的每一个像素是否为目标车辆的角点来对车辆进行检测。由于车辆遮挡和光照等问题会对模型的精度产生较大地影响,利用伽马变换和随机擦除策略对车辆图像进行增强,在车辆角点特征提取过程中,采用密集连接块和残差单元对特征提取网络进行重建,提高了网络的角点特征提取能力,并增加小尺度的注意力图信息用以小目标车辆的预测。(2)基于中心点的车辆检测算法。由于检测车辆的角点时需要对角点进行匹配,以确定属于同一目标车辆的角点,从而回归出车辆的预测框,而车辆的角点分为左上角点和右下角点,相对于只需检测车辆的中心点要更为复杂,为此采用检测车辆中心点的方法来对车辆的位置和类别进行预测。鉴于特征提取网络需要满足固定尺寸的输入特征,而车辆图像的大小往往不满足这一要求,在进行尺寸的调整时又会存在车辆几何形变的可能性,采用可变形卷积代替传统卷积的方法以提高几何形变车辆的中心点特征提取能力,同时在损失函数中增加GIo U损失项来对车辆预测框和真实框的位置偏差进行预测。(3)融合中心点和角点的车辆检测算法。车辆角点和中心点由于几何位置的不同所包含的车辆特征信息也有所不同,采用融合角点和中心点的特征信息来提高模型的车辆检测性能。为提高模型的检测时间,采用火灾模块对特征提取网络进行压缩,同时采用空洞卷积增加中心点特征的感受野,不仅可以节省模型的推理时间,而且能使模型学习到更多的车辆关键点特征。

关键词：车辆检测算法堆叠沙漏网络锚框机制关键点卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于帧差法的运动车辆检测算法研究

引用

电子世界 2021年第3期 35-36页

作者：周越李硕沈阳理工大学

针对车辆的运动目标检测,帧差法可以迅速、精准地把监控视频中的运动车辆检测出来,也就是把运动目标从序列图像中提取出来。在发展社会经济的大背景下,我们的城市越来越城市化,但是随之而来的问题也越来越多,比如生活的秩序很混乱,这时... 详细信息

针对车辆的运动目标检测,帧差法可以迅速、精准地把监控视频中的运动车辆检测出来,也就是把运动目标从序列图像中提取出来。在发展社会经济的大背景下,我们的城市越来越城市化,但是随之而来的问题也越来越多,比如生活的秩序很混乱,这时实时的人数统计就可以发挥它的作用了。

关键词：帧差法人数统计监控视频运动车辆检测车辆检测算法序列图像运动目标检测城市化

来源：评论

学校读者我要写书评

暂无评论

基于地磁传感器的车辆检测算法研究

引用

福建质量管理 2017年第17期 180-181页

作者：李文翔西南民族大学电气信息工程学院四川成都 610041

地磁传感器是一种利用地磁变化来检测车辆的新型设备.通过分析大量的地磁数据,提出一种基于波形峰谷值特征的车辆检测算法.在有轨电车路口预警系统定位设计中,为确保有轨电车定位的准确性和可靠性,可以同时应用基于RFID和地磁车辆检测... 详细信息

地磁传感器是一种利用地磁变化来检测车辆的新型设备.通过分析大量的地磁数据,提出一种基于波形峰谷值特征的车辆检测算法.在有轨电车路口预警系统定位设计中,为确保有轨电车定位的准确性和可靠性,可以同时应用基于RFID和地磁车辆检测的定位设计,以得到较为准确的定位,由于路口车辆的多样性和复杂性,本文提出车辆检测算法和通过地磁传感器的磁场变化量可以判断出是有轨电车的到来还是其他车辆的到来.

关键词：地磁传感器车辆检测算法定位

来源：评论

学校读者我要写书评

暂无评论

一种面向复杂城市交通环境的车辆检测算法

一种面向复杂城市交通环境的车辆检测算法

引用

作者：何晗华中科技大学

学位级别：硕士

城市道路和高速公路网络中的各种交通问题变得越来越严重，极大地影响了人们的正常工作和生活。智能交通系统（ITS）应运而生，它通过电子化交通流信息，使得城市交通管理部门能够更好的统筹调配交通资源。交通流检测是 ITS系统的核心... 详细信息

城市道路和高速公路网络中的各种交通问题变得越来越严重，极大地影响了人们的正常工作和生活。智能交通系统（ITS）应运而生，它通过电子化交通流信息，使得城市交通管理部门能够更好的统筹调配交通资源。交通流检测是 ITS系统的核心功能之一，是保障 ITS系统能够更好运作的基础；交通流检测（车辆检测）装置使用传感技术，获取经过其附近的车辆往来信息。\n 在综合比较了现有产品在成本、寿命、安装维护与适用场合等方面后，本论文提出了针对地磁传感器节点的基于多维磁信号特征量的车辆检测算法，该算法能满足检测节点对算法低功耗要求和计算资源限制的性能要求，并在多种复杂交通环境里维持较高准确率。算法检测节点所在位置的背景磁场值的变化影响，通过同时对地磁场的三个分量信号进行分析，并从中提取特征来完成对车辆通过的识别，使用较快速的事件检测方法以保证识别的实时性，提高了算法在多种交通环境下的识别准确率，能更广泛的应用于城市道路交通系统。\n 算法在真实场景下进行了测试验证，包括红绿灯路口、小区出入口岗亭、快速车流路况等等城市交通场景，并通过多次后续迭代，进一步完成了算法的改进与提升。在离线测试中，在多个复杂交通环境下采集真实地磁数据，一定程度上验证了算法的准确率与稳定性，算法在高峰时段道路拥堵场景下、车辆慢速通过的场景下、停车收费岗亭处、交通顺畅场景下以及车辆快速通过的场景下，都保证了较高的准确率，其中平均正确检测率为95.28%，对于车辆检测，正确检测率对于后续车型识别、车速估计以及车辆跟踪定位等有重要意义；在实地搭建车流检测系统的测试床进行在线验证的过程中，设计并实现了一套较为合理且实用的数据提取和校准方法，通过比对网关转发的节点事件时间信息和岗亭升降杆的事件时间信息，获取算法检测的准确率，平均正确检测率为91.30%。能达到平均95%的检测精度。

关键词：智能交通系统车辆检测算法交通流检测地磁传感器多维磁信号城市交通

来源：评论

学校读者我要写书评

暂无评论

基于磁阻传感器的车辆检测算法

引用

激光杂志 2015年第9期36卷 144-147页

作者：贺秀玲刘春侠赵明富文志东防灾科技学院河北三河065201 重庆理工大学重庆400054 重庆市现代光电检测技术与仪器重点实验室重庆400054

通过分析磁阻传感器车辆检测原理和输出信号特性,提出了一种改进型自适应阈值的有限状态机车辆检测算法。该算法实现了基准值和阈值在线实时更新,解决了由环境引起的基线漂移、固定阈值引起的精度降低、以及中间状态机不能判别车辆离开... 详细信息

通过分析磁阻传感器车辆检测原理和输出信号特性,提出了一种改进型自适应阈值的有限状态机车辆检测算法。该算法实现了基准值和阈值在线实时更新,解决了由环境引起的基线漂移、固定阈值引起的精度降低、以及中间状态机不能判别车辆离开等问题。实际路段测试表明,该算法对车流量的检测准确度可达97%以上,可以应用于磁阻车辆检测系统。

关键词：磁阻传感器车辆检测算法智能交通系统

来源：评论

学校读者我要写书评

暂无评论

基于RIHOG的运动车辆检测算法研究及实现

基于RIHOG的运动车辆检测算法研究及实现

引用

作者：张迪华中科技大学

学位级别：硕士

随着监控发展的需求，基于视频的车辆检测问题已成为竞相研究的热点对象，相关研究成果已广泛的应用于智能交通系统中。车辆检测作为智能交通系统中的首要任务，其性能对后续的处理及应用具有重大影响。本文的车辆检测系统流程包括：（... 详细信息

随着监控发展的需求，基于视频的车辆检测问题已成为竞相研究的热点对象，相关研究成果已广泛的应用于智能交通系统中。车辆检测作为智能交通系统中的首要任务，其性能对后续的处理及应用具有重大影响。本文的车辆检测系统流程包括：（1）利用高斯混合模型建立背景模型，对运动车辆区域进行初步分割，（2）通过HOG特征进行特征提取，（3）使用ELM算法学习分类模型。针对车辆检测存在不同角度的旋转和背景光照复杂多变等问题，本文提出RIHOG特征，该特征满足旋转不变性；同时自适应更新训练负样本，达到分类器模型也随着时间变化而不断更新，使其可以适应多个应用场景，从而提高了车辆的检测精度。\n 本文的主要内容有：\n （1）介绍了智能交通系统的研究背景和意义，阐述了基于视频的车辆检测的研究现状，总结了车辆检测各个模块的现有方法，了解该论文使用的相关前景检测技术、特征提取算法以及分类器的知识。\n （2）我们提出了基于RIHOG特征的车辆检测算法，该算法分为训练和测试两个阶段，训练阶段通过训练样本集训练出ELM分类器模型，测试阶段首先通过高斯混合模型和形态学处理提取运动区域，然后将运动区域作为测试集，求取测试集的RIHOG特征，并将其放到ELM分类器中。同时通过不断地自适应更新训练集的负样本来更新分类器模型。\n 我们在实际采样的视频数据上，分析了本算法的性能，并与其他技术作了对比。最后对全文的工作进行总结并给出后续的展望。

关键词：智能交通系统车辆检测算法 RIHOG特征高斯混合模型

来源：评论

学校读者我要写书评

暂无评论

基于网格时空背景差模型的高速公路车辆检测算法研究

基于网格时空背景差模型的高速公路车辆检测算法研究

引用

第九届中国智能交通年会

作者：郭敏严余松邹涛廖雪花西南交通大学成都610031 四川师范大学成都610103

针对高速公路这一特定场景,提出一种基于网格时空背景差的运动车辆检测算法.该算法融合背景差分信息、基于时间信息的帧间差分信息、基于空间信息的背景差分信息,得到真实运动物体的运动种子点,将包含种子点的连通区域作为真实的前景目... 详细信息

针对高速公路这一特定场景,提出一种基于网格时空背景差的运动车辆检测算法.该算法融合背景差分信息、基于时间信息的帧间差分信息、基于空间信息的背景差分信息,得到真实运动物体的运动种子点,将包含种子点的连通区域作为真实的前景目标.网格背景模型中将持久不变的背景图像作为长效背景,将含有新进入并停留或原来停留忽然运动的目标的图像背景作为短效背景,并不断地将短效背景更新到长效背景中去,来完善背景的更新和实现停留目标的检测.在背景差分里考虑了颜色分量值的变化方差,将此方差因子加入差分函数,来减少光照变化.通过仿真实验表明,该算法可以避免背景模型对场景的表征不足以及光照变化引起的干扰杂点和车道线误检测,并实现了对静止车辆的有效输出,及时发现高速公路上的交通事件.

关键词：高速公路交通管理车辆检测算法网格时空背景差模型光照消除

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的车辆目标检测算法研究

引用

运输经理世界 2024年第36期 71-73页

作者：江余凤曹士连集美大学航海学院福建厦门361021 不详

为解决车辆密集、遮挡严重导致的目标检测算法误检、漏检等问题,提出一种基于改进YLOv5s的车辆检测算法。首先,基于C2f特征提取模块结构中卷积共享和多层次特征融合的思想,对原YOLOv5s中的特征提取模块进行改进,提高网络针对多尺度特征... 详细信息

为解决车辆密集、遮挡严重导致的目标检测算法误检、漏检等问题,提出一种基于改进YLOv5s的车辆检测算法。首先,基于C2f特征提取模块结构中卷积共享和多层次特征融合的思想,对原YOLOv5s中的特征提取模块进行改进,提高网络针对多尺度特征的提取能力;其次,引入一种考虑位置信息的轻量型特征选择模块,并设计4种不同引入方式的对比试验,探究该模块在面向车辆检测任务时对模型性能的影响;最后,利用OTA动态标签分配策略对原YOLOv5s的损失函数进行优化,提高正负样本分配的精准度。在经过筛选的UA-DETRAC车辆数据集上进行试验分析,结果表明,改进后的算法能够满足实时交通检测需求,以期为相关研究提供借鉴。

关键词：车辆检测 YOLOv5s 车辆检测算法

来源：评论

学校读者我要写书评

暂无评论

图像大数据车辆搜索中基于流形学习的车辆检测算法

图像大数据车辆搜索中基于流形学习的车辆检测算法

引用

作者：王涛厦门大学

学位级别：硕士

随着交通的快速发展，车辆数量持续增长，由车辆带来的交通管理、交通安全和社会治安等问题日显突出。在交通道路、小区大院、停车场、交通枢纽等安装的交通视频监控系统每天能产生大量的视频图像数据;互联网上更有大量的包含有车辆的... 详细信息

随着交通的快速发展，车辆数量持续增长，由车辆带来的交通管理、交通安全和社会治安等问题日显突出。在交通道路、小区大院、停车场、交通枢纽等安装的交通视频监控系统每天能产生大量的视频图像数据;互联网上更有大量的包含有车辆的视频图像。基于图像大数据的车辆搜索，能为交通管理、公共安全、车辆调度等提供有效的车辆搜索服务，是建设智慧城市运营管理系统的基础，也是智能技术应用的研究热点。车辆检测是车辆搜索的基础。在交通视频监控系统产生的视频图像中，车流量疏密不均、图像质量参差不齐、车辆类型众多、成像角度和车辆目标的成像大小不一致、车辆拥挤和相互遮挡现象严重、不同天气下的光照和阴影等变化多端，这些因素给车辆检测带来了不小的挑战。\n 本文针对视频图像大数据车辆搜索平台的总体目标和技术分工，专注于研究其中的车辆检测技术。本文的主要工作包括:\n 1.提出了视频图像大数据车辆搜索平台的目标功能和总体流程架构，探讨了其中的关键技术环节和主要难点;归纳了视频图像中车辆检测技术的主要方法，对基于静态图像的车辆检测技术进行了较为全面的分析综述;特别对于基于假设-验证模型的车辆检测技术，进行了较为深入的归纳分析。\n 2.由于车辆出现在图像中的角度变化丰富，本文提出了采用流形学习的方法对这些车辆角度进行子类聚类。基于流形学习算法中的维数约简及聚类机制，利用梯度方向直方图特征描述多角度车辆对象所表现出来的边缘和轮廓特征，通过对高维原始数据进行低维嵌入，在低维空间上对不同角度的车辆进行子类聚类。\n 3.研究了基于可变部件模型的车辆检测算法流程，对含有多种成分的混合模型在初始化时使用的分类方法提出了改进。采用由流形学习聚类后的车辆子类信息，作为混合模型的初始化参数，可显明改善车辆检测效果。通过在PASCALVOC2012数据集上的测试表明，改进后的方法在效果上有明显提升，并对不同视角、不同尺度和相互遮挡等情况具有较强的适应能力。

关键词：图像大数据车辆检测算法流形学习聚类可变部件模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的目标检测算法研究与应用

基于深度学习的目标检测算法研究与应用

引用

作者：张园南京林业大学

学位级别：硕士

目标检测算法研究是深度学习领域的重要研究分支,目前应用在各个行业中,其中最有代表性的属于自动驾驶领域,鉴于此,本文以目标检测算法运用在智能驾驶识别领域研究为基础,分别选择了车辆检测和路面检测任务为研究对象,进行算法上的改进... 详细信息

目标检测算法研究是深度学习领域的重要研究分支,目前应用在各个行业中,其中最有代表性的属于自动驾驶领域,鉴于此,本文以目标检测算法运用在智能驾驶识别领域研究为基础,分别选择了车辆检测和路面检测任务为研究对象,进行算法上的改进研究,并将改进后的算法通过硬件平台实现。本文研究的主要内容如下: YOLOv7算法存在对车辆检测漏检率较高、远景小目标感知较弱、特征提取不足的问题,针对以上不足,对YOLOv7算法进行改进,并提出了一种YOLOv7-RAR车辆识别算法。针对原骨干网络中非线性特征融合不足导致漏检率较高的问题,提出了一种Res3unit来重构YOLOv7骨干网络,以提高网络模型结构获得更多非线性特征的能力。针对原网络对车辆远景小目标感知较弱的问题,在骨干网络与检测头之间添加即插即用混合注意机制模块ACmix,以增强网络对车辆目标物的关注,减少其它目标的干扰。针对原网络中小目标像素点较少,感受野与真实框区域不匹配,导致特征提取不足的问题,本文引入RFLAGauss模块进行算法改进。对以上三方面不足的改进分别进行消融实验,结果表明:本文提出的YOLOv7-RAR车辆识别算法模型比原模型的精度提高了2.4%,AP0.5:0.95性能比原算法提升了12.6%。当前的路面损伤检测算法普遍检测精度较低,一方面是由于不均衡的损伤数据集导致算法训练效果较差,另外一方面是由于采集的路面数据中存在背景灰度值与目标灰度值相似造成的检测干扰问题。且由于路面数据集不满足YOLOv7算法对较大数据量训练的需求,本文选择基于YOLOv5l改进路面检测算法,并提出了一种YOLOv5l-road算法。针对不均衡的损伤数据集问题,本文通过对RDD2022数据集进行扩展并剔除部分数据,使得数据集数据均衡。针对数据集中的背景灰度值与目标灰度值相似的问题,引入Bottleneck CSP模块改进YOLOv5l算法的FPN（Feature Parymid Network）+PAN（Path Aggregation Network）结构,由此重构了基于FPN的骨干网络以及基于PAN结构的检测头,以此增加算法对目标数据的特征提取能力,使其比YOLOv5l算法具有更高的学习能力。通过改进的RDD2022数据集进行算法训练与验证,并在官方提供的统一测试集上测试本文提出的算法性能。测试结果为:YOLOv5l-road算法的F1＿score值分别为0.7248和0.7233,在GRDDC2020比赛算法中排名靠前。采用Jetson Nano硬件平台部署了本文以上改进的算法,并给出平台适配的软硬件兼容性方案。由于部署的算法模型大小超出平台算力,为了保证算法顺利地在平台部署,本文采用TensorRT加速技术进行处理以节省运行空间,并加速算法在平台的运算速度,但同时算法也会丢失部分精度。实验结果表明:部署YOLOv7-RAR算法能够很好地检测出大部分车辆目标物,但是有小部分车辆目标物未检测出,在部署YOLOv5l-road算法中,路面缺陷基本可以检测定位到,但是检测精度明显下降。本文在基于车辆检测和路面缺陷检测的研究上给出了性能更快更准确的算法,为人们出行的舒适性和安全性上提供了可行的解决方案。通过对车辆与路面的检测研究,为自动驾驶领域做出具有实际应用价值贡献。

关键词：车辆检测算法混合注意力机制路面检测 TensorRT加速

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：