论文摘要
为实现对车辆违法行为的智能分析,对车辆目标进行检测,并对检测得到的车辆目标进行跟踪,进而根据车辆的运动轨迹和位置信息判定其是否存在违法行为。以往在车辆目标检测阶段采用的基于传统图像处理的方法存在检测精度低、速度慢、易受外界环境的干扰和检测场景泛化性不强等缺点,严重影响后续车辆目标跟踪的质量,进而影响违法行为的分析效果。对此,采用基于YOLOv3的深度学习算法对车辆目标进行检测,利用卷积神经网络提取车辆特征进行检测,提高检测的精度、速度和泛化性;同时,融合卡尔曼滤波对车辆目标进行跟踪,通过对跟踪得到的车辆运动轨迹进行分析,完成车辆违法行为判定。应用结果表明,基于YOLOv3的深度学习算法在车辆目标检测上具有较高的检测精度和较快的检测速度,融合卡尔曼滤波器的跟踪效果良好,可实现对车辆违法行为的智能分析。
论文目录
文章来源
类型: 期刊论文
作者: 王军群,李华鹏
关键词: 深度学习,车辆检测,车辆追踪,违法行为
来源: 上海船舶运输科学研究所学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 中远海运科技股份有限公司,深圳大学深圳电磁控制重点实验室
分类号: U495;TP391.41;TP18
页码: 49-54
总页数: 6
文件大小: 3046K
下载量: 171