共查询到20条相似文献，搜索用时 781 毫秒
1.
实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3＿large网络替代VGG16网络,可减少模型参数,提高检测实时性;利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息;设计改进RFB网络提升小交通标志的检测能力,重新设置预设先验框的尺寸,提升模型对特定数据集的检测能力。实验结果表明,改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%,比MobileNet-SSD算法提高了5.26%;帧率可达60 frames/s,比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度,对复杂交通环境具有更好的鲁棒性。 相似文献
2.
无人驾驶技术作为车辆高度自动化的发展目标,其需要依靠大量即时的车身信息、传感器得到的环境信息等来支撑自动驾驶功能。传统车辆的车身信息一般依靠CAN、LIN等总线技术传递给车辆相关ECU处理,这更多是面向底层域间系统的通信;而无人驾驶车辆还涉及域内多模块间通信,需要依靠高度集成化、具备并行处理能力的异构多核智能驾驶计算平台及并行数据处理框架来获取所有车身信息提供给感知决策等模块使用。研究设计一种基于ZMQ高并发框架的车身信息分布式通信系统,可匹配不同域间系统通信,同时向自动驾驶域内各模块提供全面、完善的车身信息。测试结果表明该分布式通信系统适用于无人驾驶的域内多节点通信及域间不同ECU系统间的通信,满足无人驾驶技术对于车身信息可靠、完整性的通信需求。 相似文献
3.
针对自动驾驶领域对交通标志识别的需求,设计了一种基于迁移学习的交通标志识别系统。该系统采用了预训练的MobileNetV3(去掉输出层)作为特征提取网络,然后添加两个自定义的全连接层以实现信号的分类和输出。由于采用迁移学习方法,深度学习网络中需训练的模型参数大幅减少,训练所需时间大为缩短。该系统使用经典的中国交通标志数据库(CTSDB)中的数据作为交通标志的训练数据和测试数据,训练结果表明,损耗低至0.024 3,准确率高达99.88%;测试结果表明,可以对58类交通标志进行识别,准确率为55.3%。 相似文献
4.
5.
由于光照变化、物体遮挡和复杂背景条件等众多因素的影响,目标检测一直是机器视觉领域最具有挑战性的问题。首先对视频目标检测算法中的孪生网络系列算法进行分析比较;然后将孪生网络与深度学习相结合,提出并构建全新的孪生网络跟踪器;最后将视频输入到设计好的孪生网络跟踪器中,通过网络对每一帧图像中物体的类别与位置进行准确地实时框选标注。分别将该算法和当前广泛应用的YOLOv3算法在OTB数据集上进行验证测试。测试数据表明:该算法的视频目标检测成功率和准确率均优于YOLOv3算法。 相似文献
6.
教室环境中人群密度高、重叠部分较大的特点会给人数统计工作带来困难。基于深度学习 YOLOv3 目标检测算法对学生目标进行检测,并加入 Deep-Sort 算法为核心实时追踪方法,对 YOLOv3 算法检测到的学生目标进行一段时间的跟踪,从而克服传统视频人数统计方法中忽略视频上下帧关联信息的缺点,并且能更好地解决视频遮挡问题。目标检测方法中的损失函数用 tan 方损失函数代替原有交叉熵损失函数,跟踪算法中的卡尔曼滤波算法采用 Levenberg-Marquardt 对修正后的轨迹预测予以优化。最后,对该方法进行性能评价与对比实验,包括是否加入上下文信息对比以及与 SVM 目标检测算法作对比。实验结果表明,此方法在测试集中,加入上下文信息后准确率达 93.4%,召回率达 81.4%。对比 SVM,该方法在教室视频人数统计中准确率提升2.1%,召回率提升 8.9%。 相似文献
7.
为实现草莓采摘机器人在温室中对草莓的快速、精确检测,该文提出一种YOLOv5-en算法。在原有YOLOv5基础上,首先对原始主干进行网络卷积操作并加入CBAM模块;其次,引入Bi FPN模块进行多尺度特征融合;然后,使用直方图均化算法和Mosaic数据增强进行目标检测数据预处理;最后,优化K-means算法对训练数据集聚类分析,同时使用Focalloss损失函数构建YOLOv5-en目标检测网络。通过对比试验得出：与YOLOv5、Faster-RCNNRes Net101和Faster-RCNNVGG16模型相比,YOLOv5-en的m AP分别提升了3.41%、17.85%和14.40%,可达94.36%。通过采摘机器人模拟环境检测验证了该模型的可行性,且达到了应用水平,可为采摘机器人实时小目标检测提供支撑。 相似文献
8.
针对红外图像中行人检测算法准确率低、漏检等问题,提出了一种基于改进YOLOv5s的红外行人目标检测方法。首先,利用Transformer编码结构替换C3模块中的Bottleneck结构,以加强检测网络的特征融合能力;其次,利用递归门控卷积gnConv对视觉感受野模块RFB进行改进,并在YOLOv5s头部检测网络前加入改进的RF-gnConv模块,以提高模型对各种复杂场景行人检测的适应力;最后,利用OTCBVS数据集对算法模型进行验证。结果显示：改进后的算法模型平均精度均值达到97.3%,检测速度为63帧/s,验证了改进算法对红外图像中行人检测的有效性。 相似文献
9.
自动驾驶汽车作为重点竞争领域将是今后一个时期内国内外汽车工业发展的主流趋势。为使学生更全面地理解并掌握自动驾驶汽车关键技术,研发了自动驾驶汽车硬件在环仿真实验平台(AVHIL)。AVHIL硬件层面集成了实车制动系统、转向系统、传感器系统以及网络通信系统,可提供完整的整车硬件在环实验环境;AVHIL软件层面以MATLAB/Simulink为核心构建快速控制原型算法,基于Pre Scan软件提供虚拟现实界面和环境感知类传感器模块,利用CarSim软件实时运行整车动力学模型。AVHIL为自动驾驶上层控制算法与底层执行机构的开发与测试、高级驾驶辅助系统开发与测试、驾驶员行为特性研究等提供了实时高效的仿真平台,为本科生教学与研究生实践奠定了实验基础。 相似文献
10.
针对行人目标检测任务中目标检测速度慢及小目标难以检测的问题,提出一种融合CBAM注意力机制的YOLOv3多尺度目标检测模型.该算法首先以YOLOv3为基础网络进行特征提取,然后在YOLOv3的多尺度特征融合层新增一个两倍下采样特征图,用于补充小目标特征信息,最后在YOLOv3的各尺度特征图融合后加入卷积注意力模型(CB... 相似文献
11.
行人检测一直是视频分析领域的研究热点和难点,在无人驾驶、道路监控、智慧城市等方面具有广泛应用。介绍基于深度学习的行人检测技术,全面分析目标检测技术发展现状,研究行人检测关键技术及其处理流程,并基于YOLO v3进行了软件系统实现与验证。实验结果表明,深度学习技术能够在准确度和实时性方面满足行人检测要求。最后,探讨了行人检测技术未来发展和进一步研究方向。 相似文献
12.
陈炳煌 《福建工程学院学报》2020,(1):57-62
针对车辆辅助驾驶系统中遇到的障碍物小的特点和对实时性的高要求,提出一种基于卷积神经网络YOLO图像检测算法优化并增加分类计数的方法。通过对小石子和道路坑洞这2种极易引发车辆事故的典型小型障碍物图像建立数据库,针对数据库利用k-Means+优化k值并配置新的锚定值,对取自车载视频的图像进行检测识别。新增的分类和计数算法可快速、直观地获得检测结果,实现驾驶员快速决策的目标。实验结果表明,该方法可对小石子和道路坑洞等小型障碍物有效地检测识别和分类计数,检测速度也满足系统的实时性要求。 相似文献
13.
疲劳驾驶是导致交通事故的重要原因之一。为检测识别驾驶疲劳状态,根据人的眼动行为存在随机性及模糊性特点,采用不确定性的云模型对眼动特征进行数据处理,构建二维多规则推理生成器检测驾驶员疲劳状况,以此疲劳检测模型为基础构建基于安卓的疲劳预警系统。系统通过手机摄像头实时采集驾驶员面部数据,通过人脸人眼定位后,计算出 per-clos 和眨眼时间均值。将数据输入疲劳检测模块,一旦检测到驾驶员疲劳,系统即进行文字和语音提醒。该系统成本较低,实时性较好,在模拟驾驶环境下检测率可达到 73.98%。 相似文献
14.
针对传统道路目标检测算法推荐窗口冗余、鲁棒性差、复杂度较高的问题,提出基于YOLOv2模型的道路目标检测改进算法。相较于传统的HOG+SVM目标检测算法,YOLO模型优势在于提升了检测速度及准确度,更适用于实时目标检测。比较YOLO V3 与 YOLO V2算法,前者在构造神经网络模型时复杂度较高,故最终选择YOLO V2算法。针对原算法中选取Anchor Boxes时所采用的K-MEANS算法造成的目标物体框冗余问题,以及原算法对于不规则物体以及遮挡物体检测效果较差等问题,提出基于YOLO V2模型的一种改进方法,将K-MEANS算法改进为一种DA-DBSCAN算法,通过动态调整参数的方式大大减少了锚点框冗余问题。实验表明,改进后的模型准确率达到96.76%,召回率达到96.73%,检测帧数达到37帧/s,能够满足实时性要求。 相似文献
15.
针对当前高校实验室突发情况下人员流量监测困难的问题,设计了一种高精度、无感知探测的被动式实验室人流密度监测系统。该系统采用多个Wi-Fi传感器对人员携带的移动设备信号进行被动式Wi-Fi探测,运用长短时神经网络进行特征学习,提取不同实验室环境中不同位置与移动设备对应Wi-Fi信号特征,生成人员定位模型;将实时采集到的Wi-Fi信号输入模型中输出对应的人员位置信息,生成实时人员流量热点图,实验测试说明该系统具备较高的定位精度,能够有效地实现实验室人员流量密度的监测。 相似文献
16.
张扬永 《福建工程学院学报》2008,6(1):62-64
根据交通信号智能控制过程中的各种复杂情况,研制了一个微观仿真的实用系统.微观仿真系统可实现交通路网编辑模块、交通参与者模型、交通信号控制模型、方案评价模型等,还能够实现多种方案的动态实时仿真,提高信号控制方案选择的有效性. 相似文献
17.
18.
基于无线传感网络的车载虚拟雷达协同定位系统,能够实时显示周围邻居车辆运行状态,包含车速、方向、预警信息等,以提高车辆对周围道路交通环境综合感知能力,降低道路交通安全风险。系统主要包括支持自组织时分复用（STDMA）通信的车载无线传感模块、虚拟雷达仪表显示、树莓派核心处理单元以及相应的板载通信电路。车辆通过与智能基站进行周围性消息广播,对自身地理位置信息及周围其它车辆的地理位置信息进行精准估计。在对协同定位系统进行硬件电路设计的同时,还利用Visual Basic对系统软件的工作界面进行设计,能够直观显示周围邻居车辆的运行状态信息,实现对车辆在全球定位系统（GPS）信号弱或无GPS信号下的精准协同定位和显示。系统具有较好的实时性和精准度,能够为当前智能车辆以及未来无人驾驶的高精度定位服务要求提供保障。 相似文献
19.
一个先进的停车引导系统对解决城市交通拥堵,建设现代化大都市具有重要意义。在现有的实时停车引导系统的基础上,提出了采用BP神经网络算法对泊位信息进行科学预测,并通过实验论证了该预测算法的正确性,很大程度的提高了系统的可靠性。着重论述了停车引导系统的软件实现,系统的软件由数据采集、数据传输、数据发布和数据处理4个部分组成。 相似文献
20.
当车流量较少时,降低路灯亮度可以达到能源节约目的。为此,采用深度学习中的R-FCN目标检测网络完成夜间车辆检测任务。R-FCN网络相比传统深度学习网络,不仅是基于区域推荐模型的网络,而且引入了平移变化特性,所以对目标检测效果更好。为了占用更少硬件资源,缩小模型规模,采用ShuffleNet通道分组与组间通信机制,压缩原始残差网络。同时,对NMS（非极大值抑制）算法进行修改,从而可以更好地筛选重叠目标,降低网络漏检率。实验结果表明,该方法准确率较高,在UA-DETRAC数据集的夜间图片检测中精度最高可达到90.89%。 相似文献