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:
研究船舶的目标跟踪对提高水上目标视频图像智能监管的水平有着至关重要的作用,系统通过深度学习SSD模型进行对船舶目标定位检测,使用修正的KCF算法对检测到的船舶目标进行跟踪.把深度学习的方式引入船舶目标检测领域,与传统检测方法相比精准率大大提高,同时提出了一个修正的KCF算法对多船舶目标进行跟踪,较好地解决了目标漏检与重复统计的问题.对大量船舶目标样本进行训练学习后,船舶检测定位精准,检测成功率达到91%以上,船舶跟踪算法快速稳定,检测与跟踪算法达到30帧每秒,船舶目标流量统计准确率达到95%以上,整个系统框架满足实时性的要求.
推荐文章
选择性搜索和多深度学习模型融合的目标跟踪
目标跟踪
深度学习
多模型融合
选择性搜索
评价指标
基于深度学习的尺度自适应海面目标跟踪算法
无人艇
尺度自适应
深度学习
目标跟踪
基于HOG及在线多实例学习的目标跟踪算法
HOG
分类器
在线多实例学习
目标跟踪
基于目标跟踪和迁移学习的多车型流量检测方法
车流量检测
车型识别
目标跟踪
迁移学习
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 基于深度学习的多船舶目标跟踪与流量统计
来源期刊 微型电脑应用 学科 交通运输
关键词 船舶跟踪 船舶检测与统计 深度学习 水上交通
年,卷(期) 2020,(3) 所属期刊栏目 基金项目
研究方向 页码范围 11-14,18
页数 5页 分类号 U664.121
字数 4654字 语种 中文
DOI 10.3969/j.issn.1007-757X.2020.03.004
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 冼允廷 华南理工大学计算机科学与工程学院 2 0 0.0 0.0
2 邱伟健 华南理工大学计算机科学与工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (94)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(6)
  • 参考文献(3)
  • 二级参考文献(3)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
船舶跟踪
船舶检测与统计
深度学习
水上交通
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
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导