基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对基于视频的交通标志检测与识别算法,提高其实时性、降低其误检率以及改善目标检测算法在检测过程中遇到掉帧或者目标物体被遮挡情况下表现不佳.由于视频多帧的冗余信息,对连续10帧进行检测以及识别,之后对当前结果进行投票确定当前的类别,当确定类别后,停止继续检测与识别,使用Deep SORT对当前目标进行跟踪.有效提高了识别准确率、提高识别的实时性,并且对遮挡以及掉帧情况有很好的效果.通过实验可知,方法有一定的实用性,整体的性能优于单纯使用检测与识别算法.
推荐文章
自然场景下交通标志的自动识别算法
Adaboost算法
SVM算法
交通标志识别
智能汽车
基于深度学习的交通标志识别算法研究
交通标志识别
深度学习
卷积神经网络
TSR_Lenet
算法融合
实验对比
交通标志边缘检测技术研究
交通标志
边缘检测
检测算子
基于多示例深度学习与损失函数优化的交通标志识别算法
交通标志识别
损失函数优化
训练集
多示例
深度学习
背景约束
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 结合跟踪算法的交通标志检测与识别
来源期刊 电视技术 学科 工学
关键词 交通标志 目标检测 对象跟踪 Deep SORT
年,卷(期) 2019,(4) 所属期刊栏目 视频应用与工程
研究方向 页码范围 69-73
页数 5页 分类号 TN949.6
字数 3456字 语种 中文
DOI 10.16280/j.videoe.2019.04.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周永霞 中国计量大学云计算与数据挖掘实验室 14 105 5.0 10.0
2 蔡凯 中国计量大学云计算与数据挖掘实验室 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
交通标志
目标检测
对象跟踪
Deep SORT
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电视技术
月刊
1002-8692
11-2123/TN
大16开
北京市朝阳区酒仙桥北路乙7号(北京743信箱杂志社)
2-354
1977
chi
出版文献量(篇)
12294
总下载数(次)
21
论文1v1指导