共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
基于模糊综合识别的事件检测算法 总被引:8,自引:0,他引:8
在分析拥挤交通流特性的基础上,提出了一种基于模糊综合识别的事件检测算法,并可以确定拥挤成因,仿真研究结果比较表明该算法效果很好。 相似文献
4.
5.
6.
本文介绍了相干函数及偏相干函数的相关理论,对偏相干函数在汽车噪声源识别中的应用进行了分析,并给出了它们的计算过程。最后通过实例分析得出了偏相干分析在识别汽车噪声源中的可行性。 相似文献
7.
用于目标识别的多传感器信息融合算法研究 总被引:3,自引:0,他引:3
袁小滨 《西安公路交通大学学报》2000,20(2):90-92
提出了一种用于目标识别的多传感器的雅息融合算法--后验概率检测算法。在该算法中,难事合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策。仿真结果表明我传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理 相似文献
8.
以YOLOv2网络作为目标检测的基础模型,为提高模型检测群簇小目标的准确率,在YOLOv2中加入残差网络,构成YOLO-R网络,通过构建行人和骑行者样本库,以及修改anchor boxes尺寸等网络参数,训练出更适合检测行人和骑行者目标的网络模型,并通过匹配算法完成行人、骑行者分类,进一步运用Kalman滤波实现多目标跟踪。试验结果表明:在训练样本、网络参数相同的情况下,YOLO-R比YOLOv2网络的平均精度均值(mAP)提高了3.4%,在满足速度要求的前提下,YOLO-R网络检测效果更优。 相似文献
9.
10.
11.
12.
13.
14.
自动驾驶技术对于缓解交通拥堵,降低交通运输成本具有重要作用;高级驾驶辅助系统(ADAS)可以有效增加汽车驾驶的舒适性和安全性。交通标志牌中包含了丰富的语义信息,为自动驾驶汽车和ADAS的决策提供重要约束,因此交通标志牌的识别算法开发至关重要。本文基于中国交通场景特点以及自动驾驶、ADAS对于交通标志牌识别的高准确性需求,提出了一种基于两阶段分类的交通标志牌识别算法框架。算法包含检测和分类两个阶段,检测阶段检测出图像中的交通标志牌,分类阶段对交通标志牌先后进行大类和子类划分。算法通过细化任务,独立提升各算法模块的性能,进而提高整体算法的识别精度。本文对单阶段识别算法进行改进作为算法的检测模块,实验结果表明,提出的算法精度上优于基准单阶段识别算法,mAP平均提升8.52%,并且在检测速度优于传统两阶段识别算法Faster RCNN的情况下,mAP提升40%以上。 相似文献
15.
16.
路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。 相似文献
17.
该文基于神经网络损伤识别分析理论,以成都市清水河自锚式悬索桥为例,对将BP网络算法应用于悬索桥损伤识别的效果进行了分析研究。分析研究表明:BP神经网络不仅能对单一构件不同程度损伤进行有效识别,对两个构件的不同程度损伤也能进行一定程度的识别,并且可以同时进行损伤位置与损伤程度的识别。 相似文献
18.
自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络(CNN)、最接近类均值(NCM)、增量分类器与特征表示(iCaRL)三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。 相似文献
19.
行人作为重要的交通参与者,其行走意图和轨迹预测对智能驾驶汽车的决策规划具有重要意义。基于注意力机制增强的长短时记忆(Long Short-term Memory, LSTM)网络,设计一种多特征融合的行人意图以及行人轨迹预测方法。该方法通过融合行人骨架和头部方向特征,以加强行人运动特征的表达,并将融合特征作为意图预测网络输入,继而得到行人意图;由于行人运动具有不确定性,将行人意图预测类别和历史轨迹坐标的联合向量作为行人轨迹预测网络的输入,以期生成更为精确的轨迹预测结果。此外,在轨迹预测网络中引入注意力机制,以加强LSTM对各个时刻编码向量的有效利用,从而提高网络的行人轨迹预测性能,并基于Daimler数据集进行训练及验证。研究结果表明:所提出的多特征意图预测方法准确率可达96.0%,优于基于骨架单特征的意图预测网络;在预测时域为1 s的情况下,预测轨迹的位置均方根误差为347 mm,相较于恒速度(Constant Velocity, CV)模型、交互多模型(Interacting Multiple Model, IMM)、常规LSTM等基线方法均有明显的提升;在实际场景分析中,提出的方... 相似文献
20.
该文研究了一种由试验测得的频响函数数据进行结构损伤定位和损伤程度评估的方法。由于很难测得实际结构的所有频响函数数据,而且求频响矩阵的逆阵可能产生病态问题,因此文中借助有限元模型,仅用少数几个频响函数便可进行损伤识别,通过数值模拟结果表明,该方法能够达到满意的精度。 相似文献