本文主要研究内容
作者曾星宇,熊显名,程海博(2019)在《基于目标跟踪和迁移学习的多车型流量检测方法》一文中研究指出:针对视频车流量统计、车型识别准确率不高的问题,提出一种基于目标跟踪和卷积神经网络(convolutional neural network,简称CNN)迁移学习的多车型车流量检测方法。采用CNN预训练模型MobileNet对实验场景的车辆样本迁移学习,得到车型分类模型;从视频中提取运动车辆,对相邻帧车辆的中心点进行分析,建立目标跟踪模型;将新检测到的车辆输入到车型分类模型,按小车、货车、客车3种车型计数。实验结果表明,该方法与基于虚拟线圈、基于支持向量机等检测方法相比,车流量的检测准确率为98.7%,提高了3%,车型分类的平均准确率为96.8%,提高了7%以上。
Abstract
zhen dui shi pin che liu liang tong ji 、che xing shi bie zhun que lv bu gao de wen ti ,di chu yi chong ji yu mu biao gen zong he juan ji shen jing wang lao (convolutional neural network,jian chen CNN)qian yi xue xi de duo che xing che liu liang jian ce fang fa 。cai yong CNNyu xun lian mo xing MobileNetdui shi yan chang jing de che liang yang ben qian yi xue xi ,de dao che xing fen lei mo xing ;cong shi pin zhong di qu yun dong che liang ,dui xiang lin zhen che liang de zhong xin dian jin hang fen xi ,jian li mu biao gen zong mo xing ;jiang xin jian ce dao de che liang shu ru dao che xing fen lei mo xing ,an xiao che 、huo che 、ke che 3chong che xing ji shu 。shi yan jie guo biao ming ,gai fang fa yu ji yu xu ni xian juan 、ji yu zhi chi xiang liang ji deng jian ce fang fa xiang bi ,che liu liang de jian ce zhun que lv wei 98.7%,di gao le 3%,che xing fen lei de ping jun zhun que lv wei 96.8%,di gao le 7%yi shang 。
论文参考文献
论文详细介绍
论文作者分别是来自桂林电子科技大学学报的曾星宇,熊显名,程海博,发表于刊物桂林电子科技大学学报2019年02期论文,是一篇关于车流量检测论文,车型识别论文,目标跟踪论文,迁移学习论文,桂林电子科技大学学报2019年02期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自桂林电子科技大学学报2019年02期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:车流量检测论文; 车型识别论文; 目标跟踪论文; 迁移学习论文; 桂林电子科技大学学报2019年02期论文;