暂无评论
针对视频车流量检测系统无法识别粘连车辆的局限性,提出了基于纹理识别与滤波扫描相结合的算法,并采用聚类分析法检测判断粘连车辆。文章对车道的各区域采用基于纹理识别的方法计算出纹理描述子,获得车辆顶部初步坐
车辆检测系统(基于Linux平台 后台处理采用C++,前台采用JS
发明专利说明书。本发明公开了提供基于时空图的发散卷积 循环神经网络的交通流预测方法,基于交通网络 的空间特征构建了路网的有向加权图,接着以该 有向加权图为预测的基本单位
UA-DETRAC，车辆检测数据集8250车辆。
基于角点检测和区域生长方法的车辆检测算法，周彬，章云，智能交通（IT）技术需要对道路上的车辆情况有准确的检测，基于局部特征的车辆检测是研究的热点。因此设计一种快速的的鲁棒性强的�
车载自组织网络(VANET)支持车辆和基础设施之间的无线通信。 互联车辆在智能交通系统(ITS)和智能城市中很有希望。 VANET的主要目标是提高道路上的安全性,舒适性,驾驶效率和等待时间。 VANE
为向驾驶者提供有效的车辆位置信息,提高驾驶安全性,提出了一种融合多种目标特征的单目视觉车辆检测与跟踪方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域,减少搜索范围。再利用车辆底部的阴影特征,在感兴
随着定位设备的快速发展,我们可以获得大量的时空数据。从时空数据中挖掘有用的信息对于智慧交通、城市规划等很多应用非常重要。
针对车辆检测任务，设计更高效、精确的网络模型是行业研究的热点。深层网络模型具有比浅层网络模型更好的特征提取能力，但构建深层网络模型时将导致梯度消失、模型过拟合等问题。应用残差网络结构可以缓解此类问题。
环形线圈检测器是传统的交通检测器，车辆通过埋设在路面的环形线圈，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等交通参数，并上传给中央控制系统，以满足交通控制系统的需要。此种方
暂无评论