亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于視頻的車載屏幕互聯(lián)與識(shí)別算法研究

        2019-05-22 09:27:34潘雨哲黎靜
        無線互聯(lián)科技 2019年4期
        關(guān)鍵詞:圖像識(shí)別深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

        潘雨哲 黎靜

        摘 要:文章研究了基于視頻的車載屏幕互聯(lián)與識(shí)別算法?;谥悄芎笠曠R搭建路況識(shí)別原型系統(tǒng),依托車載攝像頭收集訓(xùn)練圖片,運(yùn)用神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí),將視頻圖像進(jìn)行特征提取后,利用支持向量機(jī)進(jìn)行分類識(shí)別,實(shí)現(xiàn)車輛檢測(cè)技術(shù)。

        關(guān)鍵詞:人工智能;圖像識(shí)別;神經(jīng)網(wǎng)絡(luò);深度學(xué)習(xí)

        在車載系統(tǒng)愈發(fā)智能化的今天,智能云鏡的功能不斷創(chuàng)新,導(dǎo)航可用車載導(dǎo)航系統(tǒng)甚至可以用手機(jī),行車記錄有傳統(tǒng)的行車記錄儀和全方位攝像頭,停車監(jiān)控在很多車載操作系統(tǒng)中也有相應(yīng)的功能,智能云鏡功能日益重復(fù)[1]。日前,已有部分國(guó)家對(duì)汽車后視鏡的相關(guān)政策做出了修訂,日本頒布新政策稱允許汽車用攝像頭代替反光鏡;同時(shí),聯(lián)合國(guó)歐洲經(jīng)濟(jì)委員會(huì)制定的后視鏡相關(guān)規(guī)則也被修訂。在智能云鏡的發(fā)展過程中,物體識(shí)別一直是一個(gè)重要的研究方向,移動(dòng)網(wǎng)絡(luò)由4G走向5G時(shí)代,這為移動(dòng)設(shè)備提供了更快的數(shù)據(jù)傳輸渠道,因此,對(duì)云鏡的視頻識(shí)別功能要求也越來越高[2]?;谝陨媳尘?,本文提出了利用視頻識(shí)別算法與車載屏幕互聯(lián)實(shí)現(xiàn)車輛檢測(cè)。

        1 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

        人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN),簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò),是一種模仿生物神經(jīng)網(wǎng)絡(luò)(動(dòng)物的中樞神經(jīng)系統(tǒng))的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型,用于對(duì)函數(shù)進(jìn)行估計(jì)或近似[3]。

        神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計(jì)算,大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu),是一種自適應(yīng)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)可處理非線性統(tǒng)計(jì)型數(shù)據(jù),具有并行結(jié)構(gòu)對(duì)神經(jīng)網(wǎng)絡(luò)中的每個(gè)神經(jīng)元進(jìn)行同樣的運(yùn)算,便于計(jì)算機(jī)的運(yùn)算處理。此外,有學(xué)習(xí)和記憶的功能,通過對(duì)一個(gè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練能夠判別事物和聯(lián)想記憶[4]。

        深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的一個(gè)大分支,深度學(xué)習(xí)的基本結(jié)構(gòu)是深度神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)網(wǎng)絡(luò)與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)之間的相同之處,就是二者都是相似的分層結(jié)構(gòu),包括輸入層、隱層和輸出層的多層網(wǎng)絡(luò),其中只有相鄰層之間有鏈接,同一層及跨層之間是沒有連接的。不同之處在于,傳統(tǒng)神經(jīng)網(wǎng)絡(luò)一般只有兩層或者三層的神經(jīng)網(wǎng)絡(luò),參數(shù)和計(jì)算單元有限,對(duì)復(fù)雜函數(shù)的表示能力有限,學(xué)習(xí)能力也有限;而深度學(xué)習(xí)具有更多的神經(jīng)網(wǎng)絡(luò),并且引入了更有效的算法[5]。

        云計(jì)算時(shí)代來臨之后,作為目標(biāo)檢測(cè)兩大派系之一的“R-CNN系二刀流”,是第一個(gè)成功將深度學(xué)習(xí)應(yīng)用到目標(biāo)檢測(cè)上的算法,解決了“生成可能區(qū)域(Region proposal)&卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)提取特征”和“放入分類器分類和修正”的問題[6]。

        不同于經(jīng)典目標(biāo)檢測(cè)算法(如overfeat)中的滑動(dòng)窗口掃描所有可能區(qū)間,R-CNN使用效率更高的selective search方法預(yù)先提取所有候選區(qū)域。R-CNN結(jié)合了高容量CNN應(yīng)用于自下而上的生成區(qū)域算法中,以便對(duì)物體進(jìn)行定位和分割,當(dāng)標(biāo)記的訓(xùn)練數(shù)據(jù)稀缺時(shí),對(duì)輔助任務(wù)進(jìn)行監(jiān)督的預(yù)訓(xùn)練,然后進(jìn)行特定領(lǐng)域的微調(diào),性能將得到顯著提升。因此,本文基于R-CNN(Region-CNN)算法,在CNN、線性回歸和支持向量機(jī)(Support Vector Machine,SVM)等算法的基礎(chǔ)上,實(shí)現(xiàn)目標(biāo)檢測(cè)技術(shù)[7]。

        2 支持向量機(jī)介紹

        SVM的基本模型是在特征空間中找到最佳的分離超平面,以便訓(xùn)練集上的正負(fù)采樣間隔最大。SVM是用來解決二分類問題的有監(jiān)督學(xué)習(xí)算法,在引入了核方法之后SVM也可以用來解決非線性問題。且訓(xùn)練完成之后,大部分的訓(xùn)練樣本都不需要保留,最終的模型僅與支持向量有關(guān)。

        一般SVM有下面3種:硬間隔支持向量機(jī)(線性可分支持向量機(jī)):當(dāng)訓(xùn)練數(shù)據(jù)可線性分離時(shí),可以通過硬間隔最大化學(xué)獲得線性可分支持向量機(jī);軟間隔支持向量機(jī):當(dāng)訓(xùn)練數(shù)據(jù)近似線性可分時(shí),可以通過軟間隔最大化獲得線性支持向量機(jī);非線性支持向量機(jī):當(dāng)訓(xùn)練數(shù)據(jù)線性不可分離時(shí),可以通過核方法和軟區(qū)間最大化來獲得非線性支持向量機(jī)。由于在實(shí)際任務(wù)中很難找到合適的核函數(shù),因此,樣本在樣本空間或特征空間中是線性可分的,所以本文使用SVM的軟間隔支持向量機(jī)。SVM可以很容易地獲得中小樣本數(shù)據(jù)與特征之間的非線性關(guān)系,從而避免使用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇和局部最小值問題。它可以高度解釋并且可以解決高維問題[8]。

        3 車輛識(shí)別算法步驟介紹

        本文研究?jī)?nèi)容主要為通過攝像頭和智能云鏡的相關(guān)技術(shù),基于車載智能后視鏡平臺(tái),研究前后車識(shí)別算法,實(shí)現(xiàn)基于前后車特征分類的方法,實(shí)現(xiàn)特定場(chǎng)景下的識(shí)別性能驗(yàn)證。而視頻中的圖像識(shí)別及特征提取主要包括以下4個(gè)步驟。

        (1)利用攝像頭對(duì)路況進(jìn)行實(shí)時(shí)收集,如圖1所示,將視頻通過硬件設(shè)備進(jìn)行圖像分割形成獨(dú)立的二值圖像,本文采用圖像目標(biāo)檢測(cè)算法對(duì)其進(jìn)行形狀檢測(cè),并經(jīng)過灰度變換、灰度拉伸、去噪、濾波等過程對(duì)圖像進(jìn)行預(yù)處理得到灰度圖。

        (2)經(jīng)過形狀檢測(cè)的灰度圖還需進(jìn)行形狀提取,即對(duì)經(jīng)過預(yù)處理的灰度圖進(jìn)行二值化處理,用以區(qū)分得到更加鮮明的圖像,有利于后續(xù)的快速處理及分析,即深度學(xué)習(xí)。在二值化處理過程中,利用迭代法統(tǒng)計(jì)并計(jì)算出圖像的各灰度分布,分為目標(biāo)及背景兩部分并進(jìn)行多次迭代確定圖像的最佳分割閾值。

        (3)利用邊緣檢測(cè)算法分離目標(biāo)與背景區(qū)域,僅對(duì)車輛部分進(jìn)行增強(qiáng)。

        (4)使用基于形態(tài)特征的分割法進(jìn)行車輛定位,對(duì)視頻中的圖像幀進(jìn)行特征提取,將提取出的圖像利用支持向量機(jī)SVM進(jìn)行圖像分類獲得車輛特征,如圖2所示。

        4 結(jié)語

        本文利用車載攝像頭提取視頻圖像,基于圖像識(shí)別、特征提取以及神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí),在復(fù)雜背景下進(jìn)行車輛檢測(cè)。視頻識(shí)別算法對(duì)于智能云鏡的研究具有重要意義,定位視野前方的車輛并精確測(cè)量其相對(duì)于本車的位置,根據(jù)危險(xiǎn)性給出不同程度的危險(xiǎn)預(yù)警是進(jìn)一步的研究方向。

        [參考文獻(xiàn)]

        [1]GIRSHICK R,DONAHUE J,DARRELL T,et al.Rich feature hierarchies for accurate object detection and semantic segmentation[C].Columbus:2014 IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2014.

        [2]MARK S N,ALBERTO S A.Feature extraction and image processing[M].Second Edition.London:Elsevier Academic Press,2002.

        [3]劉仁云,孫秋成,王春艷.數(shù)字圖像中邊緣檢測(cè)算法研究[M].北京:科學(xué)出版社,2015.

        [4]CYGANEK B. 數(shù)字圖像目標(biāo)檢測(cè)與識(shí)別:理論與實(shí)踐[M].宋曉煒,楊蕾,瞿博陽,譯.北京:電子工業(yè)出版社,2016.

        [5]才溪.多尺度圖像融合理論與方法[M].北京:電子工業(yè)出版社,2014.

        [6]周志華.機(jī)器學(xué)習(xí)[M].北京:清華大學(xué)出版社,2016.

        [7]華校專,王正林. Python大戰(zhàn)機(jī)器學(xué)習(xí)[M].北京:電子工業(yè)出版社,2017.

        [8]佚名.深度學(xué)習(xí)概述:從感知機(jī)到深度網(wǎng)絡(luò)[EB/OL].(2015-08-27)[2019-02-15].http://www.cnblogs.com/huicpc0212/p/4761875.html.

        猜你喜歡
        圖像識(shí)別深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
        神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        基于Resnet-50的貓狗圖像識(shí)別
        電子制作(2019年16期)2019-09-27 09:34:50
        高速公路圖像識(shí)別技術(shù)應(yīng)用探討
        圖像識(shí)別在物聯(lián)網(wǎng)上的應(yīng)用
        電子制作(2018年19期)2018-11-14 02:37:04
        圖像識(shí)別在水質(zhì)檢測(cè)中的應(yīng)用
        電子制作(2018年14期)2018-08-21 01:38:16
        MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
        大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
        深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
        基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
        軟件工程(2016年8期)2016-10-25 15:47:34
        基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
        日本无吗一区二区视频| 国产福利一区二区三区在线观看 | 亚洲中文字幕乱码免费看| 日本中文字幕婷婷在线| 亚洲国产成人一区二区精品区| 中文字幕爆乳julia女教师| 色窝窝无码一区二区三区2022 | 久久久高清免费视频| 国产91在线播放九色快色| 午夜爽爽爽男女免费观看影院| 亚洲熟少妇在线播放999| 97中文字幕在线观看| 国产一区二区三区在线观看蜜桃| 少妇被黑人整得嗷嗷叫视频| 国精产品推荐视频| 日本a在线看| 亚洲精品在线观看一区二区| 久久天堂精品一区二区三区四区| 无码av天堂一区二区三区 | 国产一精品一aⅴ一免费| 亚洲综合一区二区三区在线观看| 久久性爱视频| 国产山东熟女48嗷嗷叫| 久久se精品一区二区国产| 亚洲无毛成人在线视频| 日韩精品视频一区二区三区| 欧美午夜精品久久久久久浪潮| 四虎成人精品国产永久免费| 亚洲不卡在线免费视频| 国产av无码专区亚洲av蜜芽| 三级网址在线| av有码在线一区二区| 国产一品二品三品精品在线| 三级特黄60分钟在线观看| 久久夜色精品国产亚洲噜噜 | 国产精品一区二区三区专区| 国产一区二区在线视频| 无码在线观看123| 成人自拍偷拍视频在线观看| 成午夜精品一区二区三区| 二区三区视频|