《表3 不同车速检测方法的比较》

《表3 不同车速检测方法的比较》图表

《表3 不同车速检测方法的比较》
预计下载耗时:<2秒

图表说明及下载

结合运动目标检测和ResNet的车速车型智能识别中,为了突出本文方法的优势,在车速检测中,将本文的实验监控视频分别采用Harris角点检测法[16]和基于卡尔曼滤波跟踪的运动矢量法[17]进行相同实验环境的车速检测,实验平台的环境为WIN10+visual studio2015,Intel i7六核3.20GHz处理器,Nvidia显卡,16 G内存,并使用了基于C++的Caffe框架包.车速检测的帧差间隔为25帧,车辆目标在视频中平均运动时间为13s,测试三种不同检测方法的平均绝对误差和进行一次车速检测的运行时间,结果如表3所示.由对比可知,本文采用的虚拟线圈法可以有效的对视频车辆进行车速检测,平均绝对误差不超过6km/h,不仅保持了较高的识别精度还满足了实时性的要求,相比其他方法更具有实用价值.

公告:考虑到大家可能需要图表高清原图或出处原文整套的PDF,但由于获取多是收费渠道,为方便大家博主会在收到相关邮箱留言求助后帮忙获取分享给大家免费下载。

  1. 下载图表

相关图表整理

  1. 《表2 实验部分结果:结合运动目标检测和ResNet的车速车型智能识别》 对道路监控某车道视频流进行实验,视频文件长10分20秒,帧率为25帧/秒.对车速进行测量时采用室外报速的方式获取真实的速度值,车型识别中小轿车、小客车、大型客车、大型货车、拖 …[研究主题:结合运动目标检测和ResNet的车速车型智能识别 2019.10.01 原文格式:PDF]
  2. 《表1 本文提出的ResNet-26具体网络参数》 本文在传统ResNet的基础上,结合车辆图片的特点,尝试改进残差结构,减少网络层数,提高计算速度和车型识别精度,提出了一种改进的深度残差网络结构,具体参数如表1所示. …[研究主题:结合运动目标检测和ResNet的车速车型智能识别 2019.10.01 原文格式:PDF]
  3. 《表1 研究区域内红外相机数、相机工作日、目标物种的独立有效照片以及物种相对丰富度》 如表1所示,8个试验区域均拍摄到白鹇和勺鸡;除清凉峰、青阳盘台和休宁岭南3个试验区域,其他区域均拍摄到白颈长尾雉。就皖南山区整体而言,白鹇的物种相对丰富度最高,达到21.89%;白 …[研究主题:红外相机技术在皖南山区3种雉类资源研究中的应用 2019.10.01 原文格式:PDF]