2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、智能交通監(jiān)控系統(tǒng)能夠?qū)煌ㄊ录M行自動化檢測,對行人或車輛進行智能化監(jiān)視,更能適應(yīng)實際應(yīng)用的需要。論文主要對智能交通監(jiān)控系統(tǒng)中的目標檢測、目標跟蹤、以及目標行為分析理解三個環(huán)節(jié)中存在的關(guān)鍵問題進行深入研究,并提出新的解決方法,主要工作體現(xiàn)在以下幾個方面:
   (1)針對當前大多利用單一模型進行目標檢測存在的問題,比如高誤檢率,光照敏感,動態(tài)場景魯棒性差等問題,提出了一種混合運動檢測模型,將對光照變化不敏感的目標檢測模型和對動態(tài)

2、場景變化跟蹤能力快的運動檢測模型融合,利用融合策略消除檢測過程中的漏檢和誤檢。最后提出利用速運動目標檢測法減少該模型的計算量,加上被融合的兩種模型都有較好的實時性特點,使得混合模型仍然具備一定的實時性。
   (2)研究了跟蹤過程中的目標描述,提出一種基于多特征選擇的運動目標跟蹤算法。將RankBoos與AdaBoost組合,構(gòu)建混合boosting算法,根據(jù)目標信息和背景信息選擇特征,建立特征排序分類器,并在跟蹤的過程中不斷自

3、適應(yīng)更新。采用卡爾曼濾波對目標區(qū)域進行粗預測,然后利用排序分類器結(jié)合Mean-shift算法完成目標的精確跟蹤。該算法可以根據(jù)不同的目標和背景信息,自適應(yīng)的進行特征選擇,對于克服場景中存在光照、干擾、遮擋等問題是非常有利的。
   (3)提出了一種基于軌跡分析的運動行為識別方法。通過采用聚類的方法對跟蹤得到的軌跡進行行為模式學習得到運動模式的軌跡參考序列。然后將軌跡視為時間序列,利用動態(tài)時間歸正(DTW)技術(shù)對時間序列長度沒有限

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論