共查询到20条相似文献,搜索用时 187 毫秒
1.
在智能网联汽车蓬勃发展的大背景下,目标识别作为智能驾驶的关键技术能够提高公路环境的安全性,本文采用SSD算法对公路环境下骑车人检测识别技术进行研究,发现SSD算法的小目标检测效果和平均识别精度都不太理想,故通过参考YOLOv3算法的跨层链接思想,在网络上引入FPN结构,进而提高识别效果.在TDCB数据集上的实验结果表明,平均检测精度和对小目标检测效果均有所提高,精度上提高约为2.2%,检测速度虽略微减缓,仍符合实际应用需求,改进后的SSD算法对提高公路环境下骑车人安全有着重要意义. 相似文献
2.
3.
为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。 相似文献
4.
5.
智能监控是在传统监控的基础上,加入智能的识别算法,能够对视频图像中的行人、车辆等检测目标进行识别,并根据检查结果自动做出一些判断。作为计算机视觉和人工智能结合的产物,智能监控可实现无人值守,自主判断,并能保证实时性,对适应恶略环境有很强的适应性。本文通过对矿区的智能监控系统进行阐述,介绍了智能监控系统的总体结构以及矿区系统信息的传输,对后续的矿区智能监控系统的设计具有一定的参考价值。 相似文献
6.
7.
8.
智能停车系统中车位检测易受天气变化、障碍物遮挡和背景干扰等影响而导致车位检测准确率降低,为了解决该问题,文中研究了基于深度学习的停车场车位占泊检测技术.首先,给出了基于改进YOLO的单车位检测算法,其把YOLO网络每层的输入归一化处理以有效避免过拟合,且把全连接层替换为全卷积层以提取多种尺寸输入的特征;然后,研究了基于改进SSD的多车位检测算法,其采用优化的ResNet网络替换原SSD的VGG网络为且优化了激活函数.实验和测试结果表明,所提方法能够有效提高单/多车位检测准确率. 相似文献
9.
智能场景监控是公共安全领域研究的热点.然而当前公共场所监控视频大都比较模糊,如何能够在模糊场景下快速检测行人目标是一个亟待解决的问题.通过引入一个自适应尺寸的行人检测窗,以特定策略滑动扫描前景二值图像,并根据一系列行人轮廓判别条件获取行人目标,实现了对模糊监控场景的实时行人检测与人数统计.实验结果表明,与传统算法相比,该算法可以有效快速地检测出指定区域内的行人目标. 相似文献
10.
在智能监控中,检测行人是判断异常的必要步骤,复杂场景下行人检测一直是研究的热点难点,依据人体头部作为人体这种非刚体中的稳定部分,提出了一种快速而稳健的行人检测算法。该算法首先对摄像头拍摄的视频选取感兴趣区域,利用离线训练的Adaboost级联分类器检测人的头部区域,然后通过快速SIFT算法匹配相邻帧的人的头部,进而进行判断人的运动速度以及方向,便于进行下一步研究。通过实验验证以及与目前具有相关代表性的方法对比,论证了所提出算法在复杂场景下也具有很好的检测匹配效果,具有良好的有效性和可靠性。 相似文献
11.
12.
安防场景的行人目标检测不仅需要识别并标定行人位置,还需要对人脸进行检测与提取,支持人脸比对等下游任务。当前目标检测算法在实际应用中存在运行速度慢、边界框标定不准确、小目标检测效果不佳等问题,文中提出一种基于SSD检测器的安防场景下的行人目标检测算法。针对检测器因为分类与定位子任务强耦合造成边界框标定不准确的问题,采用一种解耦的“检测头”保证检测器定位精度,并通过在不同分支上引入特征增强模块提取适应不同子任务的特征;采用一种任务耦合的损失函数来提升训练效果;针对运行速度慢,采用轻量化网络作为主干网络,结合TensorRT量化模型提升算法在嵌入式平台上的运行速度。通过在NVIDIA TX2嵌入式深度学习平台进行实验,单帧图像检测时间为23.8 ms,平均帧率约为42 f/s,算法具备优秀的实时性与准确性。 相似文献
13.
14.
本文对视频中的行人检测问题进行了研究。针对传统的积分通道特征算法在误测背景目标和丢失目标两方面存在缺陷,本文以积分通道特征的行人检测算法为核心,对原检测算法进行了优化并提出模板自适应的积分通道特征算法。通过使用预处理优化和自适应模板,该优化算法能够有效地检测到丢失的目标并且抑制了背景干扰,提高了检测的准确性。最后的实验数据表明该优化算法整体性能有所提高,尤其在提高检测丢失目标的准确率和降低误测背景目标的检测率上都相较于传统的积分通道特征算法有较大的提高。 相似文献
15.
阐述人工智能算法在配电线路优化中的应用,包括线路负荷预测、线路规划和配置优化、故障检测和智能维护。使用基于人工智能的算法和技术,可以提高配电线路的可靠性、经济性和效率。 相似文献
16.
针对交通十字路口等视野盲区往来行人间存在遮挡情况,如何高效准确地检测复杂道路中目标行人具有实际意义。为了实现夜间交汇路口场景行人检测,提出一种基于改进YOLOv5的行人目标检测算法,采用Non local和PSA模块对YOLOv5原网络的Bottleneck CSP进行改进,能够有效弥补遮挡中行人特征的帧间信息交互过程,增强长程范围通道特征依赖关系。设计更深的160×160检测层和自适应anthor,提升夜间行人检测的边界回归精确度。实验结果表明,针对夜间下交通路口场景,压缩改进后模型对行人检测鲁棒性高,相较于原始算法mAP_0.5和mAP_0.5:0.95值分别提升了14.2和12.7,说明所提算法对夜间行人检测的有效性。 相似文献
17.
目标检测是计算机视觉领域内的热点课题,在机器人导航、智能视频监控及航天航空等领域都有广泛的应用.本文首先综述了目标检测的研究背景、意义及难点,接着对基于深度学习目标检测算法的两大类进行综述,即基于候选区域和基于回归算法.对于第一类算法,先介绍了基于区域的卷积神经网络(Region with Convolutional Neural Network,R-CNN)系列算法,然后从四个维度综述了研究者在R-CNN系列算法基础上所做的研究:对特征提取网络的改进研究、对感兴趣区域池化层的改进研究、对区域提取网络的改进研究、对非极大值抑制算法的改进研究.对第二类算法分为YOLO(You Only Look Once)系列、SSD(Single Shot multibox Detector)算法及其改进研究进行综述.最后根据当前目标检测算法在发展更高效合理的检测框架的趋势下,展望了目标检测算法未来在无监督和未知类别物体检测方向的研究热点. 相似文献
18.
19.
随着社会科学技术的不断进步和人工智能算法的创新发展,深度学习在目标检测领域有着十分重要的应用.针对目前采用人工对偏僻地区房屋建筑进行检测存在的效率低下、安全隐患较大等不足,将无人机技术与深度学习相结合,提出了一种基于深度学习YOLO v4算法实现对房屋目标的检测研究.对无人机采集的电力通道巡检视频进行预处理,对图像进行... 相似文献