共查询到20条相似文献,搜索用时 62 毫秒
1.
近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义。随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破。该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和未来发展趋势。在识别方法方面,将车辆检测方法分为3类:运动目标检测方法、目标实例检测方法和细粒度检测方法,系统总结了这3类方法的基本原理和各自特点。在应用研究方面,详细综述了基于机器视觉的车辆检测方法在车辆参数识别中的应用现状,主要包括车辆类别、车辆时空参数、车辆重量参数识别以及车辆多参数识别系统。最后对基于机器视觉和深度学习的车辆参数识别研究进行了归纳总结,并讨论了当前存在的挑战和未来可能的发展趋势。研究表明,对于不同的环境条件和车辆参数,应根据实际需要和各算法特点选择合适的车辆检测方法。目前方法仍局限于单参数或少量参数的独立检测,且识别精度和效率难以同时满足。后续研究应注重与新技术的融合,提高在现实复杂环境下车辆参数识别的精度、效率、鲁棒性及全面性,以使其更好地应用于工程实际。 相似文献
2.
正当前,在新一代信息技术引领下,数据快速积累、运算能力持续提升、算法模型不断优化、多场景应用快速兴起,人工智能发展环境发生了深刻变化。车辆检测及车型识别作为深度学习目标检测领域在智能交通的重要应用,也是近年来国内外学者的研究热点。本文针对已有的车辆检测方法缺乏车型识别问题,利用深度学习图像识别技术,提出了基于Faster R-CNN的车辆检测及车型识别方法。通过将Faster R-CNN深度学习模型应用 相似文献
3.
4.
基于深度学习的目标检测算法在自动驾驶领域的比重日益上升。文章首先介绍了基于深度学习的卷积神经网络和目标检测算法的发展过程,其中简要介绍了几种经典卷积神经网络模型的结构特点;然后详细介绍了以R-CNN系列为代表的基于候选框的two-stage算法和以YOLO系列为代表的基于回归的one-stage算法,简要介绍了这两大类算法各自的结构和优缺点,最后总结了目标检测算法在自动驾驶场景中应用时比较常用的几种优化方法和研究趋势。 相似文献
5.
6.
文章是以MTALAB软件为主要平台,基于深度学习建立一种多目标车辆检测及追踪的方法。首先建立一个基于深度学习的模型用于训练的不同场景的车辆数据集,并对所采集的数据集进行标注和格式归一化处理。然后使用K-means聚类算法进行锚框,建立以YOLOv3SPP算法为主的神经网络框架,采用非极大值拟制(NMS)算法得到最终的预测框。最终训练神经网络模型,再对该模型进行测试和评定。经实验可以得出该模型能够准确地检测及追踪多目标车辆。 相似文献
7.
8.
9.
针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络(MLP-CNN)用于传统算法的改进.使用快速候选区域提取算法提取图像中可能存在车辆的区域,之后使用深层卷积神经网络(CNN)提取候选区域的特征,并在卷积层中增加微型神经网络(MLP)对每层的特征进一步综合抽象,最后使用支持向量机(SVM)区分目标和背景的CNN特征.实验表明,该方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征检测,识别率高达87.9%,耗时仅需225ms,比常用方法效率有大幅度提升. 相似文献
10.
针对无人机航拍视角下存在整体图像分辨率高但占比较高的小尺度车辆检测特征点稀少这一问题,从卷积网络检测器针对性优化与基于目标分布特征的航拍图像自适应切分2个角度综合考虑,提出一种基于目标空间分布特征的无人机航拍车辆检测网络DF-Net。以单阶段目标检测框架SSD为基础,引入深度可分离卷积和抗混叠低通滤波器对网络结构进行优化搭建E-SSD,为后续检测网络搭建提供高效检测器;接着基于条件生成对抗CGAN思想构建密度估计网络生成器,从而得到航拍图像中车辆的准确分布特征,生成高质量的车辆密度图;将E-SSD与车辆密度估计网络结合,对车辆密度图进行自适应切分,并将切分后的局部图像与全局图像一同输入E-SSD,最后在决策层融合检测结果,由此实现对航拍视角道路交通场景下车辆目标的精确高效检测。在试验中,一方面将设计的基于目标空间分布特征的无人机航拍车辆检测网络DF-Net与E-SSD进行对比分析,另一方面将DF-Net与航拍目标检测领域表现较为优秀的网络进行比较。研究结果表明:设计的方法对于2个试验在均值平均精度指标上均有提升,与E-SSD网络对比时提升了至少4.4%,与航拍目标检测领域优秀网络比较时也有一定提升,并保持了较好的实时性。 相似文献
11.
本文提出一种基于双目视觉系统,对道路上各对象进行特征识别的方法。首先利用Canny算子和霍夫变换等图像处理方法检测出道路区域,以提高其后的图像处理效率;然后在道路区域内部通过阴影识别方法对车辆进行识别;最后利用双目视觉几何关系,对对象物体距离进行比较。实验结果表明,通过本文所述方法可准确识别出图像中各对象及其距离关系。 相似文献
12.
随着社会经济的发展以及科技的进步,汽车的普及程度越来越高。想要保障汽车安全稳定地运行就要经常对汽车进行检修。而性能检测又是汽车检修的重要环节,为了提高性能检测的效率和水平需要积极应用智能检测技术,本文将对汽车性能检测中智能检测技术的应用进行简要分析。 相似文献
13.
为促进公路桥梁智能检测技术的发展,系统梳理了桥梁智能检测装备、智能检测方法、智能损伤识别算法、智能安全评价及养护决策的发展现状与趋势。综合分析表明:随着桥梁智能检测技术的发展,针对桥梁检测环境和构件特点,出现了包括无人机、移动机器人、环形爬升机器人、多功能检测机器人、爬索机器人、水下机器人、声呐探测装置等多种类型的智能检测装备。智能检测装备大多采用搭载的图像采集装置进行病害信息收集,其避障及抗环境干扰能力和图像采集精度是设备性能表征的关键;在智能检测方法领域,图像采集技术、激光点云扫描技术、全息摄影技术发展日趋成熟,探地雷达、干涉合成孔径雷达及声呐探测技术可作为桥梁基础及冲刷深度检测的有效手段;但以光纤传感、热成像技术、声发射技术、超声波检测、电磁传感为特征的桥梁检测新技术,其抗环境干扰的能力还有待提升,需要进一步的工程验证。随着桥梁智能装备能力的提升、智能检测技术的发展,不同类型海量数据的涌现,传统的从病害、构件、部件到结构的分层综合安全评价算法已不能适应,采用数字孪生技术进行结构状况的实时再现与评价,以多源数据融合技术进行区域级、路网级桥梁服役性能及抗灾韧性评价是桥梁智能检测与安全评估的主要发展方向。 相似文献
14.
15.
自动检测是桥梁健康监测的核心和关键技术之一,在自动检测确定出损伤大致范围的基础上,可以通过人工检查进一步确认或排除损伤点,这可大大减轻损伤检测的劳动强度,节约开支。根据小波变换多分辨率分析的特性和恒虚损处理自动检测原理,形成以小波恒虚损处理方法为核心的桥梁损伤自动检测理论。该方法通过拾取环境噪声作为参考噪声,与试验信号分别经相同小波滤波器输出后,形成统计量作为恒虚损率处理的输入参数,进而对奇异信号进行自动检测。该技术不需要无损桥梁相关资料,并可满足实时动态监测的要求。最后通过算例进行了验证。 相似文献
16.
17.
18.
19.
为了高效、快速、无损化地检测西安至铜川高速公路加宽扩建工程的路面面层厚度,对地质雷达技术在路面检测中的应用原理加以介绍,并对现场采集时的天线选择、参数选择、图形处理、结果分析等方面进行研究,进而将研究成果应用到该路面厚度检测中,检测精度高达97.8%. 相似文献