基于三维语义包围框的车辆事故检测方法研究

来源 :计算机与数字工程 | 被引量 : 0次 | 上传用户:as5881348
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了研究在交通监控场景下的车辆空间运动状态,介绍了一种基于三维目标检测生成三维语义包围框的车辆事故检测方法。该方法从卷积神经网络中提取车辆运动姿态,预测出车辆的三维边界框。融合三维目标检测和二维到三维扩展卡尔曼滤波器,在视频序列中恢复6自由度的三维车辆姿态和跟踪轨迹,利用三维语义包围框建立事故检测评价指标。实验结果表明,所提出的联合二维和三维交通事故检测方法准确率可达81.75%。
其他文献
动态蜜罐是一个即插即用的蜜罐系统,它通过监控和自学习实时的网络环境、收集网络中计算机的信息来自动地对蜜罐进行配置.为了进一步研究动态蜜罐系统的稳态可用性和安全性能
针对现有疲劳驾驶检测算法的准确率底、实用性差以及不能实时检测的问题,论文采用计算机视觉的方法首先利用Dlib提取眼部、嘴部、下巴周围的特征点的坐标,通过计算眼睛纵横比来实现瞌睡检测,并且类比眼睛纵横比提出一种用于哈欠检测的新方法—嘴部纵横比检测法,为了进一步判断驾驶员状态,论文进一步对驾驶员的注意力进行判断,一旦出现不安全行为,立马发出预警进行提醒,从而实现驾驶员疲劳及注意力检测。实验证明,该方法
为了提高车牌识别效率,论文提出了一种基于OpenCV与SVM的车牌识别方法。用Canny算子获取图像边缘轮廓信息,基于SURF算法对车牌进行特征提取,并结合HSV颜色空间来定位车牌位置;基于垂直投影方法来提取车牌字符特征,再利用SVM算法实现对车牌字符的识别。该方法利用计算机视觉库OpenCV实现,利用OpenCV封装的SURF算法和SVM算法实现车牌识别,实验表明,该方法有较高的识别效率。
针对地震信号难以分类识别问题,运用了粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vector Machine,SVM)方法,建立了以小波包分解求出的奇异值熵分量为特征输入的PSO-SVM模型。实验中以天然地震和人工爆破这两类地震信号进行,为了验证方法,文中开展了两种类型的实验——分别以单份波形和整个事件为识别单元,仿真实验结果表明,
论文将两种传统的皮肤检测算法,基于RGB颜色空间的肤色检测法和基于椭圆皮肤模型的肤色检测,以及一种新的基于机器学习的皮肤检测算法进行了仿真与比较。
针对传统BP网络算法存在车牌字符识别速度慢和准确率低的问题,提出了一种SCG优化的BP神经网络车牌字符识别的算法。通过对BP神经网络的输入和算法进行改进实现提高神经网络对字符的识别效率。对输入的优化是使用主成分分析法进行车牌字符特征提取,将提取的特征作为BP神经网络的输入。对算法的优化是使用成比例共轭梯度下降法寻找网络最优连接权重。仿真实验表明,SCG-BP神经网络大幅度缩短识别时间并且提高了准确
词语识别是人脑的一种高级认知过程。论文基于OpenfMRI开源数据集,利用脑图Dosenbach进行特征提取,采用OVR-SVM作为分类器对词语识别及相关认知状态进行了分类器的训练,使用分层K折交叉验证和ROC曲线对分类器进行了性能评估。实验结果显示,采用线性核、多项式核、RBF核、以及Sigmoid核的几种OVR-SVM中,RBF核的分类性能在统计上都显著高于其他三种核对应的SVM。实验结果表明,OVR-SVM作为一种计算模型可以有助于对词语识别认知状态的识别。
随着光伏(photovoltaic,PV)的普及和电动汽车(Electric Vehicle,EV)保有量的增加,提出一种同时考虑到EV时空分布和PV出力随机的主动配电网空间负荷预测(Spatial Load Forecasting,SLF)方法。对影响PV出力的各项指标进行详细分析,并采用层次分析法确定不同指标的权重,采用模糊综合评价法确定评价集。其次,结合最小二乘支持向量机(Least Squares Support Vectormachine,LS-SVM)对传统粒子群算法进行改进来配比PV出力情况
为提高公共场馆的讲解服务效率和趣味性,设计了一款语音交互导览机器人。该机器人采用科大讯飞AIUI新一代软硬件语音交互解决方案提升人机交互的智能化水平,机器人基于AGV磁导航和RFID射频识别技术实现自主定位导航,应用多种无线通信技术,解决机器人与场馆设备的通信控制问题,实现讲解过程中机器人与场馆设备的联动,使用STM32系列微控制器进行数据处理与系统控制,采用C语言编写机器人底层代码,系统采用标准ModBus通信协议,提高系统通信可靠性。论文设计的语音交互导览机器人具有操作简单、智能化水平高、运行可靠等特
针对传统IP地址定位方法准确度低的问题,提出了一种基于随机森林的IP地址城市级定位方法。该方法分析了IP自身特点及IP间存在关系,分别对经过路由特征和地域触发特征进行了定义,并通过主动测量提取IP多维度特征,然后结合机器学习的思想训练构建分类器,以实现对IP所处城市的定位。在此基础上,利用真实的IP地址数据集对所提定位方法进行实证分析。实验结果表明,基于随机森林的IP地址城市级定位方法可以实现IP