检索结果-维普期刊中文期刊服务平台

高速道路交通视频中车辆目标提取研究被引量：2: 1; 作者刘凯雄李玉惠 +1 位作者李勃刘加运《传感器与微系统》 CSCD 2017年第10期35-37,共3页; 为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法。针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像... 展开更多; 关键词混合高斯背景建模感兴趣的区域背景差分法最小矩形车辆目标提取; 在线阅读下载PDF 职称材料

基于卷积神经网络的车型识别方法研究被引量：10: 2; 作者纪野李玉惠王蒙《传感器与微系统》 CSCD 2017年第11期42-43,46,共3页; 针对高速公路环境下的车型识别问题,利用深度学习Caffe框架中的Alex Net和传统方法支持向量机(SVM),分别对车辆图像进行网络训练与测试,得到两种车型识别方法的准确率并进行比较验证。实验结果表明:卷积神经网络的分类方法具有较高的车... 展开更多; 关键词深度学习车型识别卷积神经网络支持向量机 Alex NET; 在线阅读下载PDF 职称材料

基于图像特征的车脸栅格的定位方法: 3; 作者张有芬李玉惠潘艺《传感器与微系统》 CSCD 2017年第9期64-66,共3页; 为了解决智能交通系统中车型识别的瓶颈,找到能够准确定位车标的方法,提出了在Adaboost算法定位出的车脸的基础上,对车脸图像进行二值化处理,经过二值化图像的水平梯度和垂直梯度的投影定位栅格的方法,为后续车标的识别提供了一种新的... 展开更多; 关键词 ADABOOST 车标识别车标定位栅格定位; 在线阅读下载PDF 职称材料

有监督Kohonen网络的车型识别方法被引量：3: 4; 作者纪野李玉惠 +1 位作者李勃杨敏《传感器与微系统》 CSCD 2016年第8期12-14,19,共4页; 车型识别已成为智能交通系统研究中的一个重要内容。根据同类车型尺寸特征如长、宽、高特征值都具有相似性特点,利用已有车型数据库,分别使用逆传播(BP)神经网络、支持向量机(SVM)网络、有监督Kohonen网络这三种神经网络分类方法对车型... 展开更多; 关键词智能交通系统车型识别 BP神经网络 SVM网络有监督Kohonen网络; 在线阅读下载PDF 职称材料

题名高速道路交通视频中车辆目标提取研究被引量：2: 1; 作者刘凯雄李玉惠李勃刘加运; 机构昆明理工大学信息工程与自动化学院云南省智能交通系统工程技术研究中心智能图像处理研究室; 出处《传感器与微系统》 CSCD 2017年第10期35-37,共3页; 基金国家自然科学基金资助项目(61363043); 文摘为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法。针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像轮廓空洞填充,对运动车辆目标进行检测后,用最小矩形方框法自动截取目标,最终,通过图像尺度归一化建立车辆样本数据库,为车型分类和识别提供目标图像。实验结果表明:该方法对车辆目标提取准确率高,且图像数据库样本丰富。; 关键词混合高斯背景建模感兴趣的区域背景差分法最小矩形车辆目标提取; Keywords Gaussian mixture background modeling region of interest （ROI ） area background difference method the smallest rectangle vehicle target extraction; 分类号 TN919 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的车型识别方法研究被引量：10: 2; 作者纪野李玉惠王蒙; 机构昆明理工大学信息工程与自动化学院云南省智能交通系统工程技术研究中心智能图像处理研究室; 出处《传感器与微系统》 CSCD 2017年第11期42-43,46,共3页; 基金国家自然科学基金资助项目(61363043 61563025); 文摘针对高速公路环境下的车型识别问题,利用深度学习Caffe框架中的Alex Net和传统方法支持向量机(SVM),分别对车辆图像进行网络训练与测试,得到两种车型识别方法的准确率并进行比较验证。实验结果表明:卷积神经网络的分类方法具有较高的车型识别精度,车型识别准确率高。; 关键词深度学习车型识别卷积神经网络支持向量机 Alex NET; Keywords deep learning vehicle type identification convolutional neural network support vector machine（SVM） AlexNet; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于图像特征的车脸栅格的定位方法: 3; 作者张有芬李玉惠潘艺; 机构昆明理工大学信息工程与自动化学院云南省智能交通系统工程技术研究中心智能图像处理研究室; 出处《传感器与微系统》 CSCD 2017年第9期64-66,共3页; 基金国家自然科学基金资助项目(61363043); 文摘为了解决智能交通系统中车型识别的瓶颈,找到能够准确定位车标的方法,提出了在Adaboost算法定位出的车脸的基础上,对车脸图像进行二值化处理,经过二值化图像的水平梯度和垂直梯度的投影定位栅格的方法,为后续车标的识别提供了一种新的方法。经过实验验证:方法无论从理论上还是实际应用中,具有重要的意义。; 关键词 ADABOOST 车标识别车标定位栅格定位; Keywords Adaboost logo recognition logo positioning grid positioning; 分类号 TN919 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名有监督Kohonen网络的车型识别方法被引量：3: 4; 作者纪野李玉惠李勃杨敏; 机构昆明理工大学信息工程与自动化学院云南省智能交通系统工程技术研究中心智能图像处理研究室; 出处《传感器与微系统》 CSCD 2016年第8期12-14,19,共4页; 基金国家自然科学基金资助项目(61363043); 文摘车型识别已成为智能交通系统研究中的一个重要内容。根据同类车型尺寸特征如长、宽、高特征值都具有相似性特点,利用已有车型数据库,分别使用逆传播(BP)神经网络、支持向量机(SVM)网络、有监督Kohonen网络这三种神经网络分类方法对车型尺寸特征进行分类,得到三个车型识别准确率并进行比较验证。实验结果表明:有监督Kohonen网络的分类方法具有较高的车型识别精度,实验效果明显,车型识别准确率高。; 关键词智能交通系统车型识别 BP神经网络 SVM网络有监督Kohonen网络; Keywords intelligent transportation system vehicle type identification BP neural network SVM network supervised Kohonen network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料