监控视频下的多尺度车辆检测与跟踪

车辆检测与跟踪在自动驾驶系统中起着重要的作用.针对交通监控视频中多尺度车辆目标难以检测和重叠目标容易漏检等问题,提出使用倒残差方法来改进YOLOv3的卷积层提取特征,在YOLOv3网络中增加空间金字塔(SPP)模块,获取车辆多尺度信息,并采用Soft-NMS代替非最大值抑制(NMS),减少车辆重叠导致的预测框丢失.最后...     

车辆姿态感知注意力增强的车辆重识别

由于不同道路监控视角下的车辆姿态不断变化,因此车辆重识别仍是智慧交通系统中一项具有挑战性的任务。现有的车辆重识别的方法大多数基于车辆的外观属性,但识别受光照和角度等因素影响导致识别效果较差。因此,本文设计了一种车辆姿态感知注意力增强网络以提高车辆在光照和角度等因素影响下的重识别效果。首先,将图片输入到卷积姿态网络中生成12个关键点重建车辆姿态信息,然后将输入图像车辆与目标图像车辆进行比较,提取出两辆车公共区域的特征;最后,计算车辆全局特征和局部特征之间的距离,并根据最终结果对识别结果进行排序。本文在Vehicle ID和VeRi776数据集上进行验证,实验结果表明,所提出的网络相较于其他模型top10的检测准确率提高了10%左右。     

食品检验室人员监督监控的方法分析

近几年,人民群众对食品安全问题的关心程度不断提高,食品检验室作为承担食品安全检测的主要部门,不断强化自身能力,积极应用先进的检测设备,不断引进和培养高素质高水平的检测队伍,是确保检测结果公正性和准确性的前提条件.检验检测人员作为检验工作的主体,其能力符合要求,是检验检测工作开展的重要前提条件,所以对检验检测人员进行持续...     

基于可见区域的拥挤行人检测

针对公共场合、拥挤或者背景复杂的情况下,传统的行人检测与跟踪算法效果不佳以及出现误检的问题,本文提出了一种基于孪生网络的NMS算法,可提高拥挤人群下行人检测跟踪的准确率。该方法利用较少遮挡的可见部分,去除多余的检测框,为了获取可见部分,本文提出了一种双盒模型（DBM）来同时预测行人的全身部分和可见部分,确保整个检测网络中两者之间的对应关系,以便在行人检测任务上实现更好的性能。本文在CrowdHuman数据集上进行了实验验证,实验结果表明,在拥挤情况下对行人检测具有较好的鲁棒性和检测精度且优于其他模型5%左右。