首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 其他 > 如何使用深度学习进行监控视频中多类别车辆检测资料说明

如何使用深度学习进行监控视频中多类别车辆检测资料说明

  • 资源大小:0.95 MB
  • 上传时间:2021-07-22
  • 下载次数:0次
  • 浏览次数:57次
  • 资源积分:1积分
  • 标      签: 深度学习 机器学习 SSD

资 源 简 介

针对传统机器学习 算法在交通监控视频的车辆检测中易受视频质量、拍摄角度、天气环境等客观因素影响,预处理过程繁琐、难以进行泛化、鲁棒性差等问题,结合空洞卷积、特征金字塔、焦点损失,提出改进的更快的区域卷积神经网络( Faster R-CNN)和单阶段多边框检测检测器(SSD)两种深度学习模型进行多类别车辆检测。首先从监控视频中截取的不同时间的851张标注图构建数据集;然后在保证训练策略相同的情况下,对两种改进后的模型与原模型进行训练;最后对每个模型的平均准确率进行评估。实验结果表明,与原Faster R-CNN和SSD模型相比,改进后的Faster R-CNN和SSD模型的平均准确率分别提高了0.8个百分点和1.7个百分点,两种深度学习方法较传统方法更适应复杂情况下的车辆检测任务,前者准确度较高、速度较慢,更适用于视频离线处理,后者准确度较低、速度较快,更适用于视频实时检测。   随着经济和城镇化建设的快速发展,我国各城市的道路和车辆总量不断增长,交管部门的管理压力与日俱增。虽然高清监控摄像头已经在绝大多数路口部署,但每8产生的视频量也越来越庞大,通过人工进行视频实时监控或离线处理既费时又费力,而且容易延误和遗漏,所以亟须寻找-种自动化方法辅助人工进行监控处理,这也是智能交通系统的核心。   交通监控视频中蕴含丰富的信息,是智能交通监控系统的重要数据来源。监控视频可以应用在车辆违法行为判断、跨摄像头车辆追踪、分时段分车道车流量统计等实际场景,而车辆检测则是车辆行为分析和智能交通监控的重要基础。
VIP VIP