伊人久久国产精品,色综合久久久久,精品国产香蕉伊思人在线又爽又黄,国产激情对白一区二区三区四

基于車載視頻的智能交通系統中，對前方車輛、交通標志等目標的實時檢測與跟蹤對于車輛安全駕駛、無人駕駛等具有重要意義，本課題擬對移動視頻中目標的檢測與識別方法進行探討。，擬對復雜環境下的目標定位方法進行研究，擬通過分析視頻中不同目標運動的光流特征，對在時間域上分布的特征軌跡進行跟蹤。第二，擬根據背景運動特征和目標運動特征研究基于視點的運動概率模型，討論運用隱馬爾可夫模型將目標從背景中分離出來的方法，并對其進行概率跟蹤。第三，擬研究融合圖像聚類分割和形狀分析技術的道路交通標志檢測方法；并通過分析形狀特征確定交通標志的類別，將識別時的匹配范圍減少到具有相同形狀的參考標志子集，然后擬利用支持向量機技術對待識別標志和參考標志子集內的圖像進行相似性度量。本項目擬采用離線實驗與在線實驗相結合的方式，最終將對移動視頻中車輛、背景及交通標志的目標檢測、識別方法移植到單板機上，以測試本方法的有效性和實時性。

智能交通中對關鍵目標的實時檢測識別對于車輛安全駕駛，輔助駕駛等具有重要意義，本課題對移動視頻中關鍵目標的檢測與識別方法進行了探討。首先研究了對復雜環境條件下的視頻進行目標定位的方法，研究在AdaBoost算法框架下，將Haar-like特征和LBP特征進行特征后融合，并通過對比實驗說明了算法在降低錯檢率、提高檢測速度方面的有效性；其次，根據車輛特征提出了基于支持向量機的目標識別方法,通過對四類車型的分類實驗證明了算法的魯棒性；最后提出了一種實用的車道線檢測方法，根據交通狀況提出了道路擁擠度5級設定，設計系統實現了道路狀況的預警、違章車輛自動抓拍等功能。本課題的研究對于提高智能交通系統中關鍵目標的檢測識別速度和準確性有重要意義，并對實際交通管控具有重要應用價值。^[1]