排序方式: 共有33条查询结果,搜索用时 15 毫秒
1.
地面交通标志检测识别是智能驾驶领域的一个研究方向,实时性、准确率是该研究的重点。图像匹配的方法是常用的模式识别方法。文中介绍了一种结合先验知识和图像匹配的地面交通标志检测识别方法。算法包括两部分:预处理和检测识别。预处理阶段包括图像压缩、感兴趣区域提取、形态学处理、中值滤波和逆透视等步骤,实现图像降噪和正畸,为检测识别做准备。检测识别阶段包括轮廓提取、面积过滤、图像匹配等步骤,目的是判断待测图像是否含有地面交通标志及其种类。实验证明,该算法实时性好、鲁棒性强、准确率高。 相似文献
2.
电子政务网络办公系统的安全策略与实现 总被引:2,自引:0,他引:2
以北京市科委农村中心网络系统的安全设计为实例,从网络安全拓扑结构、防火墙的策略、访问控制权限和政务系统的安全算法等多方面详细介绍了电子政务网络办公系统的安全设计策略与实现过程. 相似文献
3.
针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出一种基于时空注意力图卷积网络(STA-GCN)模型的人体骨架动作识别算法。该模型包含空间注意力机制和时间注意力机制:空间注意力机制一方面利用光流特征中的瞬时运动信息定位运动显著的空间区域,另一方面在训练过程中引入全局平均池化及辅助分类损失使得该模型可以关注到具有判别力的非运动区域;时间注意力机制则自动地从长时复杂视频中挖掘出具有判别力的时域片段。将这二者融合到统一的图卷积网络(GCN)框架中,实现了端到端的训练。在Kinetics和NTU RGB+D两个公开数据集的对比实验结果表明,基于STA-GCN模型的人体骨架动作识别算法具有很强的鲁棒性与稳定性,与基于时空图卷积网络(ST-GCN)模型的识别算法相比,在Kinetics数据集上的Top-1和Top-5分别提升5.0和4.5个百分点,在NTURGB+D数据集的CS和CV上的Top-1分别提升6.2和6.7个百分点;也优于当前行为识别领域最先进(SOA)方法,如Res-TCN、STA-LSTM和动作-结构图卷积网络(AS-GCN)。结果表示,所提算法可以更好地满足人体行为识别的实际应用需求。 相似文献
4.
车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。 相似文献
5.
6.
近年来,数字多媒体图像出现了爆炸式的增长,人们在互联网搜索过程中遇到的问题也越来越多,提高图像的搜索效率极具挑战性。图像搜索是图像领域的研究热点,目前已有多种搜索技术在各商业领域得到应用,但搜索的结果并不能完全满足用户的需求,“语义鸿沟”的存在使得搜索结果仍存在一定的噪声。图像重排序为解决此问题提供了很好的帮助,在初始搜索的基础上进行重排序可使搜索结果更加准确和丰富。文中着重介绍图像重排序技术的研究进展,对已有研究方法进行总结和分析,比较各自的优缺点以及近年来突破的主要关键技术;关注最新的研究进展,总结了目前图像重排序的典型数据集以及针对特定领域研究建立的数据集,并对图像重排序领域未来的发展进行了展望。 相似文献
7.
8.
在单个SVG文档的模块化与结构化的基础上,分析了SVG实体的特征和组织方式,描述了SVG实体、对象、类的结构组成,提出了基于SVG应用的软件开发的体系结构SSA和系统框架设计。在SSA中,设计了一个转换算法,算法针对大量的SVG实体进行分类、提取SVG图元,并将SVG图元存储在关系数据库中,解决了包含大量SVG实体的应用系统存在的运行速度的问题、SVG组件的数据重用问题和基于数据库系统的SVG开发问题。设计了一个基于SSA的数字文物导航平台系统,通过该系统与传统的基于H tm l/Im age的文物展现模式的比较,验证了SSA开发模式的有效性。 相似文献
9.
大多数现有的基于深度学习的手势姿态估计方法都使用标准三维卷积神经网络提取三维特征,估计手部关节坐标。该方法提取的特征缺乏手部的多尺度信息,限制了手势姿态估计的精度。另外,由于三维卷积神经网络巨大的计算成本和内存需求,这些方法常难以满足实时性要求。为了克服这些缺点,提出以空间滤波器和深度滤波器级联的方式模拟三维卷积,减少网络参数量。同时,在各个尺度上提取手势姿态特征并加以整合,充分利用手势的三维信息。实验表明,该方法能有效提高手势姿态估计精度,减小模型尺寸,且在具有单块GPU的计算机上能以超过119 fps的速度运行。 相似文献
10.