分享到:

一种基于灰色预测模型GM(1,1)的运动车辆跟踪方法

针对基于Kalman滤波的跟踪方法需要对噪声特性和车辆的运动规律进行假设的不足,提出一种基于灰色预测模型GM(1,1)的运动车辆跟踪方法.该方法通过  (本文共5页) 阅读全文>>

《中国交通信息化》2017年08期
中国交通信息化

非连续视频监控区域车辆跟踪方法探析

如何在非连续视频监控区域进行车辆追踪是一项重要的课题。本文在分析跟踪方法的基础上,以加权时间作为前提条件,并以此为基础,分析...  (本文共3页) 阅读全文>>

《信息与电脑(理论版)》2016年10期
信息与电脑(理论版)

基于神经网络的车辆跟踪系统研究

笔者在研究车辆自主路径控制跟踪的基础上,对基于神经网络的车辆跟踪进行了深入分析和研究,并设计了可以进行直线路径或者圆...  (本文共2页) 阅读全文>>

《全球定位系统》2004年02期
全球定位系统

车辆跟踪软件

美国得克萨斯州的ManningNavComp公司推出一种名为RAStrac车辆跟踪软件,该软件可供局域多计算机...  (本文共1页) 阅读全文>>

《无线电工程》2002年04期
无线电工程

迪辰车辆跟踪导航设备市场初露即受追捧

在迪辰公司GIS/AVL事业部的全体员工努力下,招商迪辰自主研发品牌—...  (本文共1页) 阅读全文>>

长安大学
长安大学

基于多域卷积神经网络的交通车辆跟踪算法研究

智能交通系统能准确、高效地综合道路上的各种交通信息,提高运输效率,在道路交通中发挥着重要作用。交通车辆跟踪是智能交通系统的重要组成部分,通过对交通视频中的目标车辆进行跟踪,可以获取到车辆的位置、运行速度、运行加速度、运行方向等信息,并由此来分析车辆的闯红灯、违规停车、超速行驶等违规行为。因此,实现对车辆进行准确、稳定的跟踪,对于智能交通系统的发展尤为重要。然而,实际交通场景通常比较复杂,视频中的车辆在行驶过程中经常会受到相似目标车辆、尺度变化等一系列因素的干扰,从而影响车辆跟踪的准确性和鲁棒性。基于此,本文展开了对交通车辆跟踪的研究。论文的主要研究内容和成果如下:将多域卷积神经网络引入交通车辆跟踪中,并针对其存在无法有效应对相似车辆干扰和尺寸变化的问题,提出融合DenseNet和注意力机制的改进多域卷积神经网络车辆跟踪算法。首先,使用DenseNet121网络前端的两个密集块和一个转换层替换原始多域卷积神经网络的主干网络,利用密...  (本文共76页) 本文目录 | 阅读全文>>