《表1 行人及骑车人识别率测试汇总表》
应用行人及骑车人的联合识别架构技术系统,通过上路跟踪环卫清洗车的实际工况并连续采样相关视频数据,将采集到的数据集对深度神经网络算法进行持续性地测试、训练与自学习优化。首先,在网络算法的训练过程中,为改善行人及骑车人目标检测的实际效果,降低因环卫作业工况环境复杂而导致的行人及骑车人目标检测的误检率,通过设计难例提取模型方式来替代随机抽样选取负样本。其次,为提升行人及骑车人特别是小尺寸目标的检测效果,神经网络融合了各种深度的卷积特征图,以综合全局与局部特性来获取表达能力更强的图像目标特征信息。最后,为进一步加强改善行人及骑车人目标检测效果,降低行人及骑车人目标检测的漏检率,采用两种目标候选区域方法结合的输入方式,以弥补单一目标候选区域选择方法的缺陷,最终实现RPN和MOP两种方法的优势互相补充。经实际验证测试,行人及骑车人识别率的测试结果如表1所示,综合识别率大约为93%~98%。
图表编号 | XD00200340400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.28 |
作者 | 黄秋芳 |
绘制单位 | 福建龙马环卫装备股份有限公司 |
更多格式 | 高清、无水印(增值服务) |