基于历史信息的区域卷积神经网络行人检测

为了解决卷积神经网络在进行连续行人检测时,检测行人速度较慢,达不到实时性要求的问题,采用基于历史信息的区域卷积神经网络行人检测算法,利用前一幅图像中的检测结果对当前图像的检测过程进行优化,将前一帧的检测结果作为对当前帧提取推荐区域的参考信息,并使用当前帧与前一帧的灰度值差异图对当前图像的卷积特征进行过滤,以缩小滑动窗口检测时的搜索区域。在加州理工学院行人检测数据集上进行了检测实验。结果表明,结合历史信息的算法与先进的算法相比检测速度提升了2.5倍,同时检测准确率提升了1.5%。该算法实现了实时行人检测,设计的网络能有效检测小目标行人。

基于改进的C4.5算法对车辆加速性能分类研究

车辆加速性能是衡量驾驶员对车辆驾驶舒适性的一个标准。传统的车辆加速性能是通过判断加速踏板开度衡量的,加速踏板出厂时设置为不能自动调整。采用改进的C4.5算法对车辆加速性能分类,实现自动调整加速踏板开度。首先通过泰勒中值定理对C4.5算法进行简化,然后对车联网数据进行特征提取,生成判断加速性能的决策树分类规则,测试特征提取的并行化运行效率。通过特征提取后的数据集验证了改进的C4.5算法效率和准确率。测试结果表明,改进算法在不降低分类准确率的前提下,有效提高了分类效率。