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:
基于深度学习的目标检测技术发展迅速,检测性能不断提高.然而,在视频检测应用中,由于视频数据量较大且实时性约束严格,导致目标检测算法的计算资源消耗极高.针对视频检测算法的巨额计算资源消耗问题,本文提出了一种基于深度学习的目标检测算法和目标追踪算法自适应结合的稀疏视频检测方法,能够动态地基于目标区域交并比(IOU)分析,自适应地利用计算资源消耗较小的目标追踪算法替代目标检测算法进行视频分析,从而在保障视频检测准确率的前提下,大幅降低计算资源开销,并进一步提高了视频检测的鲁棒性.
推荐文章
基于视频图像分析的运动目标检测技术研究
运动目标检测
帧间差分法
混合高斯模型法
ViBe算法
视频交通参数检测技术研究现状及发展趋势
智能交通系统(ITS)
车辆检测
交通参数提取
目标跟踪
基于字典优化的稀疏表示的视频镜头分类
稀疏表示
字典优化
视频镜头分类
基于数字媒体技术的视频技术研究
数字媒体技术
视频技术
处理器
数字媒体软件
视觉效果
运行时间
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 基于IOU分析的稀疏视频检测技术研究
来源期刊 高技术通讯 学科
关键词 视频检测 目标追踪 目标区域交并比(IOU)分析 计算资源 处理速度
年,卷(期) 2019,(10) 所属期刊栏目 计算机与通信技术
研究方向 页码范围 943-950
页数 8页 分类号
字数 5067字 语种 中文
DOI 10.3772/j.issn.1002-0470.2019.10.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (16)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 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)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视频检测
目标追踪
目标区域交并比(IOU)分析
计算资源
处理速度
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
高技术通讯
月刊
1002-0470
11-2770/N
大16开
北京市三里河路54号
82-516
1991
chi
出版文献量(篇)
5099
总下载数(次)
14
总被引数(次)
39217
相关基金
北京市自然科学基金
英文译名:Natural Science Foundation of Beijing Province
官方网址:http://210.76.125.39/zrjjh/zrjj/
项目类型:重大项目
学科类型:
论文1v1指导