点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 基于AdaBoost的车辆检测算法。
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
基于Adaboost算法的车辆检测与跟踪系统
随着全球经济的飞速发展,世界范围内车辆数目也在快速增加,同时智能交通管理系统(ITS)[1]在道路交通管理中的应用越来越广泛。车辆检测与跟踪系统作为智能交通管理系统中的重要环节,负责识别监控视频中的车辆并对其进行跟踪,实时获取车速并判断其是否违章,其广泛的应用前景和潜在的商业价值已经引起国内外学术界和企业界的极大关注。
所属分类:
交通
发布日期:2010-07-23
文件大小:2097152
提供者:
remember63
无人驾驶汽车环境信息提取及运动决策方法研究_武历颖.caj
随着汽车保有量的增长,越来越多的道路交通事故也给社会和人民造成了巨大的损失。其中,汽车驾驶人的危险驾驶行为是导致道路交通事故频频发生的主要原因。无人驾驶汽车因其无需人类驾驶操纵的特点具有广阔的应用前景。在无人驾驶汽车的行驶过程中,如何实时、鲁棒地提取行驶环境信息,以及在获得信息的基础上进行合理的运动决策是实现其安全、高效自主驾驶的关键,也是无人驾驶汽车研究中的难点和热点。论文依托国家自然科学基金重大研究计划项目(90920305)“无人驾驶车辆智能测试环境研究与开发”和中央高校基金创新团队项目
所属分类:
机器学习
发布日期:2018-04-17
文件大小:10485760
提供者:
yuzha9785
基于视频的车辆跟踪
本文针对视频监控中的车辆检测跟踪问题,具体研究了在昼间车流密度较 高情况下以及在夜间车辆的检测与跟踪算法。 首先针对昼间车流密度高的特点将类 Haar+Adaboost 分类器的统计学习方 法用于昼间车辆检测,并在检测后进行一定后处理去除虚警。实验结果表明, 在车流密度较高的情况下仍能快速地检测出车辆,明显优于运动目标检测的效 果! 在注释中讲吧,佛楼米!
所属分类:
VR
发布日期:2018-09-18
文件大小:2097152
提供者:
yt13yt
基于毫米波雷达与机器视觉融合的前方车辆检测研究_ .caj
本学术论文提出基于毫米波雷达与机器视觉信息相融合的前方车辆检测方法,利用毫米波雷达获取前方有效目标车辆的距离、速度和加速度等信息;依据车辆几何特征信息及毫米波雷达提供的距离信息在摄像机图像上建立感兴趣区域;然后对感兴趣区域利用Adaboost算法进行验证,判断是否为车辆类障碍物。
所属分类:
电信
发布日期:2020-08-30
文件大小:3145728
提供者:
heroshine
基于车载视觉的行人检测与跟踪方法
摘要: 为提高城市交通环境下车辆主动安全性,保障行人安全,提出了基于车载视觉传感器的行人保护方法。利用Adaboost 算法实现行人的快速检测,结合Kalman 滤波原理跟踪行人,以获取其运行轨迹。 该方法利用离散Adaboost 算法训练样本类Haar 特征,得到识别行人的级联分类器,遍历车载视觉采集的图像,以获取行人目标;结合Kalman 滤波原理,对检测到的行人目标进行跟踪,建立检测行人的动态感兴趣区域,利用跟踪结果分析行人的运行轨迹。 试验表明: 该方法平均耗时约80 ms /帧,检测率
所属分类:
其它
发布日期:2020-10-21
文件大小:433152
提供者:
weixin_38713061
一种基于像素差值特征的车辆检测方法
为了快速定位监控场景中的车辆位置,提出了一种基于像素差值特征的车辆检测方法。首先提取图像的归一化像素差值特征(NPD),之后使用深度二次树(DQT)学习最优的特征子集,最后使用AdaBoost算法筛选最具区分力的特征构建强分类器。以含有正面、侧面及背面三个角度超过3 500个样本为测试集进行了快速车辆检测测试,并与梯度方向直方图(HOG)和Haar的组合特征进行了对比。对比实验表明,基于NPD的车辆检测方法最优,其检测率和检测时间分别为85.47%和200 ms。
所属分类:
其它
发布日期:2020-10-16
文件大小:358400
提供者:
weixin_38683721
基于Haar-like特征与Adaboost算法的前方车辆辨识技术研究.pdf
针对智能车辆和安全驾驶辅助系统中车辆检测问题,提出一种基于类 Haar 特征和 AdaBoost 分类器并结合车辆灰度对 称性验证的前车检测方法。 使用积分图方法计算图像类 Haar 特征,并对提取的海量类 Haar 特征应用 AdaBoost 算法进行特征 选择及分类器训练,最后使用所选择的特征及分类器进行测试。 实验结果表明,该方法在阴天和晴天情况下检测率分别为 90. 86% 、91. 15% ,可以快速、有效地进行前车检测
所属分类:
机器学习
发布日期:2021-03-23
文件大小:2097152
提供者:
weixin_52189300
基于AdaBoost的车辆检测算法。
基于AdaBoost的车辆检测算法。
所属分类:
其它
发布日期:2021-03-14
文件大小:400384
提供者:
weixin_38659648
基于几何和粗深度信息的车辆候选者生成
基于单目视觉的车辆识别通常分为至少一部分车辆生成(CG)和名义车辆验证(CV)两个步骤。传统的CG步骤经常采用遍历的方法,获得的少量车辆窗口数量庞大,增加了后续的CV阶段本文提出一种基于几何和深度信息的CG方法,在不丢失有效车辆区域的高度下大大减少了体积的车辆的数量。该方法首先将图像以超高精度形式进行分块,同时利用预先训练的Adaboost分类器获取超分辨率图像的几何信息和粗糙深度信息。然后利用车辆在世界坐标系下的垂直度,位置和尺寸等先验知识,采用与传统算法的比较结果表明,本方法以检测率的微小降
所属分类:
其它
发布日期:2021-03-07
文件大小:477184
提供者:
weixin_38744694
基于视觉的车辆检测转移学习算法
针对采用大样本离线训练的车辆识别分类器在新场景中性能显着下降的问题,提出了一种具有样本自标注能力的车辆识别迁移学习算法,并采用概率神经网络(概率神经网络,PNN)进行分类器训练。首先,提出一种基于多细节先验信息的样本标注策略,融合复杂度,垂直平面和相对速度等先验信息实现新样本的自动标注;然后,充分利用PNN训练速度快而增加新样本时只需分类器进行局部更新的特点,将其更新到分类器训练模型中,取代传统机器学习算法中的Adaboost分类器。实验结果表明:该算法在新场景下的新样本标注准确率高达99.76
所属分类:
其它
发布日期:2021-03-07
文件大小:381952
提供者:
weixin_38681286
基于DCT域的车标定位方法研究*
为了能够对高速公路视频中的违法车辆特征进行提取,需要完成车辆对象的目标检测和特征区域定位工作,在特.征区域定位研究中,车标定位是很重要的工作,文中研究了一种直接在车脸图像DCT 域中进行车标定位的方法。该方法首.先使用Adaboost 算法对高速公路视频中的车辆对象进行车脸区域的定位,得到感兴趣的车脸区域区域图像,然后利用车.脸图像中车标纹理和散热器隔栏纹理所具有的不同方向性特点,直接在DCT 域中提取车标的横向、竖向、斜向纹理的方向.信息,通过区别于散热器隔栏只有横、竖向纹理的特性,采用阈值方
所属分类:
其它
发布日期:2021-03-05
文件大小:414720
提供者:
weixin_38741195
基于车载视觉的行人检测与跟踪方法
摘要: 为提高城市交通环境下车辆主动安全性,保障行人安全,提出了基于车载视觉传感器的行人保护方法。利用Adaboost 算法实现行人的快速检测,结合Kalman 滤波原理跟踪行人,以获取其运行轨迹。 该方法利用离散Adaboost 算法训练样本类Haar 特征,得到识别行人的级联分类器,遍历车载视觉采集的图像,以获取行人目标;结合Kalman 滤波原理,对检测到的行人目标进行跟踪,建立检测行人的动态感兴趣区域,利用跟踪结果分析行人的运行轨迹。 试验表明: 该方法平均耗时约80 ms /帧,检测率
所属分类:
其它
发布日期:2021-01-20
文件大小:555008
提供者:
weixin_38674115
基于改进的Adaboost算法的车牌图像定位研究
基于Adaboost算法和哈尔状特征的分类算法在目标检测方面比较成熟,并且得到大量应用。本文改进了Adaboost的算法,加入了车辆粗定位模块,将其应用于车牌定位方面,大大改善了车牌定位准确率。车牌定位需要将车牌从复杂的背景环境下分辨出来,是车牌识别最关键的一步,其准确率直接影响了车牌识别的准确率。本文应用新算法,结合Matlab的及OpenCV两种仿真软件进行了仿真实验,实验结果表明该算法使车牌定位识别准确率得到了明显提高。
所属分类:
其它
发布日期:2021-03-29
文件大小:88064
提供者:
weixin_38505158