基于公路监控视频的车辆检测和分类
在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型(GMM)与分类网络(GoogLeNet)融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.
车辆检测、高斯混合模型、目标识别、分类网络、实时性
29
福建省交通运输厅科技发展项目201431
2020-12-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
267-273