DTW(Dynamic Time Warping)算法被广泛应用于序列数据比对,以度量序列间距离,但算法较高的时间复杂度限制了其在长序列比对上的应用。提出基于自适应搜索窗口的序列相似比对算法(ADTW),算法利用分段聚集平均(Piecewise Aggregate Approx...DTW(Dynamic Time Warping)算法被广泛应用于序列数据比对,以度量序列间距离,但算法较高的时间复杂度限制了其在长序列比对上的应用。提出基于自适应搜索窗口的序列相似比对算法(ADTW),算法利用分段聚集平均(Piecewise Aggregate Approximation,PAA)策略进行序列抽样得到低精度序列,然后计算低精度序列下的比对路径,并根据低精度距离矩阵上的梯度变化预测路径偏差,限制路径搜索窗口的拓展范围;随后算法逐步提高序列精度,并在搜索窗口内修正路径、计算新的搜索窗口,最终,实现DTW距离和相似比对路径的快速求解。对比FastDTW,ADTW算法在同等度量准确率下提高计算效率约20%,其时间复杂度为O(n)。展开更多
本文提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索窗口以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,...本文提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索窗口以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更好的应用于前方图像出现噪声、阴影以及路面反光等不利情况。由于高分辨率ROI的建立,在不增加运算时间的前提下,识别精度却更加提高,同时整个运算过程的计算量大大减少。展开更多
文摘DTW(Dynamic Time Warping)算法被广泛应用于序列数据比对,以度量序列间距离,但算法较高的时间复杂度限制了其在长序列比对上的应用。提出基于自适应搜索窗口的序列相似比对算法(ADTW),算法利用分段聚集平均(Piecewise Aggregate Approximation,PAA)策略进行序列抽样得到低精度序列,然后计算低精度序列下的比对路径,并根据低精度距离矩阵上的梯度变化预测路径偏差,限制路径搜索窗口的拓展范围;随后算法逐步提高序列精度,并在搜索窗口内修正路径、计算新的搜索窗口,最终,实现DTW距离和相似比对路径的快速求解。对比FastDTW,ADTW算法在同等度量准确率下提高计算效率约20%,其时间复杂度为O(n)。
文摘本文提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索窗口以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更好的应用于前方图像出现噪声、阴影以及路面反光等不利情况。由于高分辨率ROI的建立,在不增加运算时间的前提下,识别精度却更加提高,同时整个运算过程的计算量大大减少。
