期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合改进YOLO和背景差分的道路抛洒物检测算法
被引量：
4
1
作者
周
勇
张
炳振
+1 位作者
张
枭
勇
刘宇鸣
《交通信息与安全》
CSCD
北大核心
2022年第5期112-119,共8页
针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用...
针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用卷积优化YOLO中的降采样模块,采用Ghost网络替代原始的特征提取网络以减少计算量,根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框,在检测框周围设定感兴趣区域,并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比,排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明,改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms,比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明,在没有抛洒物训练数据情况下,传统混合高斯模型算法平均精度值为0.51,采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78,算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms,可实现抛洒物的实时检测。
展开更多
关键词
交通工程
抛洒物识别
目标检测
YOLO算法
混合高斯模型
下载PDF
职称材料
基于人车交互行为模型的上下客行为识别
被引量：
1
2
作者
李熙莹
陆强
+3 位作者
张
晓春
陈振武
梁靖茹
张
枭
勇
《中国公路学报》
EI
CAS
CSCD
北大核心
2021年第7期152-163,共12页
上下客行为是常见的人车交互交通行为,但随意地在路边或者禁停区域上下客,不但容易干扰道路交通秩序,还可能造成人员伤亡的恶性交通安全事故,需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署,全路段的上下客行为检测成为可能。...
上下客行为是常见的人车交互交通行为,但随意地在路边或者禁停区域上下客,不但容易干扰道路交通秩序,还可能造成人员伤亡的恶性交通安全事故,需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署,全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB(Human-Vehicle Interaction Behavior)及上下客行为识别方法,实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中,利用YOLOv4(You Only Look Once,Version 4)目标检测模型和SORT(Simple Online and Realtime Tracking)跟踪算法输出高置信度目标信息,并抽取车辆时空位置特征表达。在人车关系检测模块中,结合人与车辆的空间位置变化和相对运动方向,形成人车关系的时空特征表达。通过计算视频中人车时空位置特征,基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别,并依据不同人车交互行为的定义,可以实现上下客行为识别。使用真实城市交通场景视频数据,对多种天气条件(晴天、阴天、雨天)下的不同人车行为进行了识别试验。试验结果表明:所提出的方法可以全天候工作,其中在白天多种天气条件下,停车和上下客行为的检测准确率能达到90%和87%以上,夜晚正常天气条件下分别为82.5%和77.5%;同时,检测速度在每秒30帧以上,满足实际应用的实时性要求。
展开更多
关键词
交通工程
上下客行为识别
人车交互行为模型
交通行为
人车关系
原文传递
基于智慧灯杆的行人检测与重识别
3
作者
陈振武
张
枭
勇
黎旭成
《山东交通科技》
2019年第4期107-110,共4页
智慧灯杆是智能交通领域重要的物联网基础设施,基于智慧灯杆的智能终端集成技术正处于快速发展阶段。研究了人工智能视频识别技术在智慧灯杆上的集成应用,包括基于单摄像头的行人检测和追踪,基于多摄像头的行人重识别等,并在大规模部署...
智慧灯杆是智能交通领域重要的物联网基础设施,基于智慧灯杆的智能终端集成技术正处于快速发展阶段。研究了人工智能视频识别技术在智慧灯杆上的集成应用,包括基于单摄像头的行人检测和追踪,基于多摄像头的行人重识别等,并在大规模部署中初步验证了技术的可行性。最后展望了未来的发展需求,包括复杂人群行为识别和区域大规模行人活动链提取,并提出摄像头大规模部署带来的隐私问题和安全保障将会成为未来面临的重大挑战。
展开更多
关键词
智能交通
智慧灯杆
人工智能
目标检测
重识别
下载PDF
职称材料
题名
融合改进YOLO和背景差分的道路抛洒物检测算法
被引量：
4
1
作者
周
勇
张
炳振
张
枭
勇
刘宇鸣
机构
深圳市城市交通规划设计研究中心股份有限公司
出处
《交通信息与安全》
CSCD
北大核心
2022年第5期112-119,共8页
基金
深圳市工业和信息化产业发展专项资金项目(20190830020003)资助。
文摘
针对现有道路抛洒物检测算法识别准确率低、识别种类有限、实时检测效率低的问题,探索了将深度学习目标检测和传统图像处理相结合的抛洒物检测算法。提出在YOLOv5s目标检测算法基础上,对模型结构进行修改以满足实时性需求。具体地,使用卷积优化YOLO中的降采样模块,采用Ghost网络替代原始的特征提取网络以减少计算量,根据抛洒物检测对象的特点设计符合数据集的锚框以提高目标识别准确度。使用优化后的YOLO检测道路场景中车辆、行人作为交通参与者得到检测框,在检测框周围设定感兴趣区域,并在感兴趣区域内用背景差分算法实现前景目标识别。计算前景目标与YOLO检测结果的交并比,排除交通参与者目标后实现道路抛洒物的识别。针对交通参与者检测的实验结果表明,改进后的YOLO检测算法在整体识别精度没有损失的情况下单帧检测速度为20.67 ms,比原始YOLO检测算法速度提升16.42%。真实道路抛洒物实验结果表明,在没有抛洒物训练数据情况下,传统混合高斯模型算法平均精度值为0.51,采用融合改进YOLO和背景差分的抛洒物检测算法平均精度值为0.78,算法检测精度提高52.9%。改进后算法可适用于没有抛洒物数据或正样本数据稀少的情况。该算法在嵌入式设备Jetson Xavier NX上单帧检测速度达到24.4 ms,可实现抛洒物的实时检测。
关键词
交通工程
抛洒物识别
目标检测
YOLO算法
混合高斯模型
Keywords
traffic engineering
abandoned object detection
object detection
YOLO algorithm
Gaussian mixture model
分类号
U491 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于人车交互行为模型的上下客行为识别
被引量：
1
2
作者
李熙莹
陆强
张
晓春
陈振武
梁靖茹
张
枭
勇
机构
中山大学智能工程学院
深圳市城市交通规划设计研究中心有限公司
出处
《中国公路学报》
EI
CAS
CSCD
北大核心
2021年第7期152-163,共12页
基金
国家重点研发计划项目(2018YFB1601100)。
文摘
上下客行为是常见的人车交互交通行为,但随意地在路边或者禁停区域上下客,不但容易干扰道路交通秩序,还可能造成人员伤亡的恶性交通安全事故,需要及时检出以便疏导管理。受益于智慧灯杆的开发和部署,全路段的上下客行为检测成为可能。设计了一种基于智慧灯杆监控视频的人车交互行为模型HVIB(Human-Vehicle Interaction Behavior)及上下客行为识别方法,实现路边停车和上下客行为的检测。人车交互行为模型HVIB由车辆运动状态检测模块和人车关系检测模块组成。在车辆运动状态检测模块中,利用YOLOv4(You Only Look Once,Version 4)目标检测模型和SORT(Simple Online and Realtime Tracking)跟踪算法输出高置信度目标信息,并抽取车辆时空位置特征表达。在人车关系检测模块中,结合人与车辆的空间位置变化和相对运动方向,形成人车关系的时空特征表达。通过计算视频中人车时空位置特征,基于车辆运动状态判别函数和人车关系判别函数输出车辆运动状态和人车关系类别,并依据不同人车交互行为的定义,可以实现上下客行为识别。使用真实城市交通场景视频数据,对多种天气条件(晴天、阴天、雨天)下的不同人车行为进行了识别试验。试验结果表明:所提出的方法可以全天候工作,其中在白天多种天气条件下,停车和上下客行为的检测准确率能达到90%和87%以上,夜晚正常天气条件下分别为82.5%和77.5%;同时,检测速度在每秒30帧以上,满足实际应用的实时性要求。
关键词
交通工程
上下客行为识别
人车交互行为模型
交通行为
人车关系
Keywords
traffic engineering
boarding and alighting behavior recognition
human-vehicle interaction behavior model
traffic behavior
human-vehicle relationship
分类号
U491.25 [交通运输工程—交通运输规划与管理]
原文传递
题名
基于智慧灯杆的行人检测与重识别
3
作者
陈振武
张
枭
勇
黎旭成
机构
深圳市城市交通规划设计研究中心有限公司
出处
《山东交通科技》
2019年第4期107-110,共4页
基金
深圳市科技计划项目资助,项目编号:JSGG20170822173002341
文摘
智慧灯杆是智能交通领域重要的物联网基础设施,基于智慧灯杆的智能终端集成技术正处于快速发展阶段。研究了人工智能视频识别技术在智慧灯杆上的集成应用,包括基于单摄像头的行人检测和追踪,基于多摄像头的行人重识别等,并在大规模部署中初步验证了技术的可行性。最后展望了未来的发展需求,包括复杂人群行为识别和区域大规模行人活动链提取,并提出摄像头大规模部署带来的隐私问题和安全保障将会成为未来面临的重大挑战。
关键词
智能交通
智慧灯杆
人工智能
目标检测
重识别
Keywords
intelligent transportation
smart lamppost
AI
object detection
re-identification
分类号
U268.6 [机械工程—车辆工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合改进YOLO和背景差分的道路抛洒物检测算法
周
勇
张
炳振
张
枭
勇
刘宇鸣
《交通信息与安全》
CSCD
北大核心
2022
4
下载PDF
职称材料
2
基于人车交互行为模型的上下客行为识别
李熙莹
陆强
张
晓春
陈振武
梁靖茹
张
枭
勇
《中国公路学报》
EI
CAS
CSCD
北大核心
2021
1
原文传递
3
基于智慧灯杆的行人检测与重识别
陈振武
张
枭
勇
黎旭成
《山东交通科技》
2019
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
