10.11835/j.issn.1000-582X.2020.288
一种新的结合卷积神经网络的隧道内停车检测方法
为了更准确地检测高速公路隧道内停车行为,将传统的图像处理技术与深度学习相结合.首先,通过基于混合高斯模型(Gaussian mixture model,GMM)的背景差分法提取出运动目标.接着通过meanshift算法跟踪这些运动目标,计算运动目标的速度以及在相邻视频帧中运动目标的相关性,通过与速度阈值和相似度阈值的比较得到静止目标.最后,结合卷积神经网络(convolutional neural network,CNN)分类模型识别静止目标是否为车辆.文中方法在高速公路隧道视频上进行测试,达到至少84%的准确率.另外,与没有结合卷积神经网络的传统图像处理方法相比,文中方法至少提高了63%的准确率.
人工智能、计算机视觉、图像处理、卷积神经网络
44
TP751(遥感技术)
国家自然科学基金61604105
2021-06-24(万方平台首次上网日期,不代表论文的发表时间)
共11页
49-59