基于YOLOv5架构的大幅面SAR图像车辆目标识别方法

SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练样本数量同时提高了模型收敛速度。为了测试算法性能,构建了一个含车辆目标的大幅面SAR图像数据集。在该数据集上进行了仿真实验,并与一些经典的深度学习网络进行了对比,实验结果表明所提大幅面SAR图像车辆目标识别算法识别精度更高、速度更快。

持续学习算法在车辆目标识别上的应用

自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络(CNN)、最接近类均值(NCM)、增量分类器与特征表示(iCaRL)三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。

基于车载32线激光雷达点云的车辆目标识别算法

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,由车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次按雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。

基于图像挖掘技术的车辆目标识别方法

在目前的图像处理技术发展现状中,图像挖掘技术是其中一项较为突出和新颖的技术分支;而随着日益庞大的图像数据信息处理量的要求增加,却没有一个有效的分析和处理技术,为此,如何解决大量数据的解析和处理问题是目前图像挖掘技术的主要方向,首先研究图像挖掘技术的原理和其在目前社会中的应用情况,利用简析图像挖掘技术的基本原理分析其数据模型,探讨其所具备的基本功能以及在车辆目标识别上的应用和方法;总结出图像挖掘技术对图像中所存在信息的完全解读,挖掘图像中存在的隐形关联,而且随着图像挖掘技术的不断改进,其目标识别的功能可以应用到车辆管理模式当中;通过实验表明,此方法可以对目标图像中车辆数量和种类的辨识度达到80%以上。

改进的BP神经网络在车辆目标识别中的应用研究

遥感图像下的车辆目标识别系统大多是基于传统的BP神经网络算法,传统BP神经网络算法存在诸多问题,如易形成局部极小而得不到全局最优、训练次数多、学习效率低、收敛速度慢等,影响和限制车辆目标识别系统的识别能力。针对传统BP神经网络存在的缺陷,为进一步提高车辆目标识别系统的识别精度,提出采用随机梯度下降法和深层滑动神经网络对传统BP神经网络进行改进。实验表明,改进后的BP神经网络具有良好的学习能力和更快的训练速度,适用于车辆目标识别系统的优化。

用于车辆目标识别的中远距离车载镜头设计

为了提高无人驾驶汽车对中远距离车辆目标的识别准确率,满足无人驾驶汽车对前方预瞄距离的要求,通过理论计算以及光学设计软件ZEMAX-EE,研究设计了一款适合安装于乘用车上的中远距离车载镜头。为了满足车载镜头在实际使用过程中对成像范围的要求,利用成像景深公式计算了对准距离为无穷远时,不同入瞳直径对应的成像范围,从而确定了满足实际使用条件、易于设计和检验的镜头参数设计方案。车载镜头的焦距为40mm,视场角为8.6°,入瞳直径为7mm,景深为30m^+∞,系统总长小于38mm。仿真分析结果表明,所设计车载镜头具有良好的成像质量,能够满足实际的使用要求。

基于夜间视频的高架道路预先排堵调度方法

以现有高架道路视频监控系统拍摄的视频作为数据来源,提出一种夜间拥堵判别方法。在中间车道设置虚拟线圈,通过监测车辆灯光对检测区域图像特征的影响识别车辆目标。若车辆增多光场复杂,以等时间夜间视频车辆目标检测作为补充方案,保障算法的实时性和准确度。若判断高架道路达到临界密度,短时禁行部分或全部高架道路上行匝道,同时将公共服务类车辆调离高架桥,规避交通拥堵。交通拥堵成因复杂,排堵过程难度大、耗时长,预测拥堵调度能有效缓解上述矛盾,同时提高视频监控系统的智能性,节约社会资源。