共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
为了突出交通标志的空间结构分布特征,提出一种基于极坐标分区局部二值模式的特征提取算法.对国际公开交通标志识别数据库GTSRB的43类交通路标中共计12 630张测试图像进行仿真实验,实验结果证明了该算法是有效的. 相似文献
3.
针对复杂场景下车牌识别问题,提出了一种新的车牌识别方法.该方法通过颜色空间划分预分割车牌目标,然后采用矩形特征匹配定位符合车牌形状的候选块,并对候选块进行几何校正和自适应分割,再将分割出来的每个字符进行归一化特征提取,最后通过字符的积分特征逐一对每个候选块进行识别,识别成功者即为真实的车牌.实验表明,该方法能适应大多数复杂的场景,不局限于图像的分辨率,以及拍摄的角度,保证了车牌识别的准确率. 相似文献
4.
基于计算机视觉的交通标志检测与识别是智能交通中重要的一部分,准确检测将有利于安全驾驶。当前复杂的道路状况使得交通标志的检测和识别很困难,而且车辆在行驶过程中不稳定以及光照的变化等,给交通标志检测带来了很大的问题,给交通标志识别的准确性和快速性也带来了极大的挑战。本文通过结合颜色和形状特征来检测交通标志,针对识别问题,构建了一个VGG-8卷积模型,而且在交通信号数据集上进行了测试,该模型有很高的准确性,对于解决实际问题有一定的可行性。 相似文献
5.
驾驶疲劳识别研究对预防交通事故提高交通安全具有重要意义.提出了一种基于深度置信网络和生成模型的驾驶疲劳识别方法.为了有效地表示疲劳,采用深度置信网络从人脸图像中提取疲劳特征;结合已标注样本和未标注样本,提出了一种基于生成模型的半监督学习的疲劳识别方法,解决了疲劳识别中的小样本问题.在自建疲劳数据库上,采用该方法进行了驾驶疲劳识别的仿真实验,同时和其他几种方法进行了对比,结果表明该方法具有更高的识别精度. 相似文献
6.
黄凤 《哈尔滨师范大学自然科学学报》2014,30(6)
该研究对数码相机所获得的茶叶图像经过图像预处理、图像增强后,提取出茶叶颜色、形状特征,用相同的方法获取茶汤颜色特征,通过BP神经网络训练和分类,完成对武夷岩茶品质的识别,实验结果表明此方法有较好的识别效果,检测结果和人工检测结果高度吻合. 相似文献
7.
针对超视距情况下,铁路行车路障监控的实时性问题,提出了一种快速超视距障碍物识别方法.先利用纹理特征进行快速预处理与边缘检测;再利用铁轨的纵向延展特点,用搜索连通域投影最长的方法定位铁轨区域并建立检测窗;并行的用帧差法比较当前帧与检测窗识别出障碍物,最后利用IPM模型计算障碍物大小与距离.实验结果表明,在确保90.3%识别率的前提下,本算法识别障碍物平均耗时43ms. 相似文献
8.
9.
10.
11.
12.
13.
14.
本文提出了一种将特征生成和长短期记忆(long short term memory,LSTM)模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络(convolutional neural network,CNN)和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。 相似文献
15.
16.
17.
基于深度学习的车检图像多目标检测与识别 总被引:1,自引:0,他引:1
为了实现快速和自动的车辆外观检测,提出一种基于深度学习的车检图像多目标检测与识别方法。首先,采用轻量级神经网络YOLOv3实现车检图像中车头、轮胎、车牌及三角形标志的检测与识别;其次,采用多任务级联卷积神经网络实现车牌4个关键点定位;再次,利用车牌4个关键点坐标,结合目标车牌图像高宽先验,通过透视变换对车牌进行校正;最后,设计卷积神经网络实现车牌底色分类,同时设计卷积循环神经网络,实现车牌字符识别。实验结果表明,在816×612的车检图像上,该方法中端到端的多目标检测与识别的平均精度达98.03%;为便于在车检场景下应用该模型,利用阿里巴巴推理引擎将模型部署到CPU端,使多目标检测与识别的平均速度达10帧/s,从而满足车检的应用需求。 相似文献
18.
利用开源计算机视觉库OpenCV作为图像处理工具,研究复杂环境下差分抠像技术的改进。通过RGB值补偿解决家用摄像头自动白平衡产生的颜色变化问题;消除差分抠像中对象产生的阴影;对通道优化并提取目标通道,经阈值化得到的二值图像作为遮罩以提取目标对象。实验表明,此方法可有效提取复杂环境下的前景目标,基于此种技术探讨对老年用户娱乐系统模型开发的技术支持和拓展。 相似文献