基于倾向流和深度学习的机场运动目标检测

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于倾向流和深度学习的机场运动目标检测

詹昭焕, 韩松臣, 李炜, 余丽莎

文章导航 > 交通信息与安全 > 2019 > 37(1): 49-57

詹昭焕, 韩松臣, 李炜, 余丽莎. 基于倾向流和深度学习的机场运动目标检测[J]. 交通信息与安全, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

引用本文:

詹昭焕, 韩松臣, 李炜, 余丽莎. 基于倾向流和深度学习的机场运动目标检测[J]. 交通信息与安全, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

ZHAN Zhaohuan, HAN Songchen, LI Wei, YU Lisha. A Target Detection Method of Moving Objects at Airport Based on Streak Flow and Deep Learning[J]. Journal of Transport Information and Safety, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

Citation:

ZHAN Zhaohuan, HAN Songchen, LI Wei, YU Lisha. A Target Detection Method of Moving Objects at Airport Based on Streak Flow and Deep Learning[J]. Journal of Transport Information and Safety, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

詹昭焕, 韩松臣, 李炜, 余丽莎. 基于倾向流和深度学习的机场运动目标检测[J]. 交通信息与安全, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

引用本文:

詹昭焕, 韩松臣, 李炜, 余丽莎. 基于倾向流和深度学习的机场运动目标检测[J]. 交通信息与安全, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

ZHAN Zhaohuan, HAN Songchen, LI Wei, YU Lisha. A Target Detection Method of Moving Objects at Airport Based on Streak Flow and Deep Learning[J]. Journal of Transport Information and Safety, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

Citation:

ZHAN Zhaohuan, HAN Songchen, LI Wei, YU Lisha. A Target Detection Method of Moving Objects at Airport Based on Streak Flow and Deep Learning[J]. Journal of Transport Information and Safety, 2019, 37(1): 49-57. doi: 10.3963/j.issn.1674-4861.2019.01.007

基于倾向流和深度学习的机场运动目标检测

doi: 10.3963/j.issn.1674-4861.2019.01.007

四川大学空天科学与工程学院成都610065
四川大学空天科学与工程学院成都610065;四川大学国家空管自动化系统技术重点实验室成都610065
四川大学空天科学与工程学院成都610065;四川大学国家空管自动化系统技术重点实验室成都610065
四川大学空天科学与工程学院成都610065

基金项目:

中央高校基本科研业务费专项资金项目

国家自然科学基金项目

四川省应用基础研究项目

中图分类号: U8 V351 TP391
计量
- 文章访问数: 496
- HTML全文浏览量: 98
- PDF下载量: 1
- 被引次数: 0
出版历程
- 刊出日期: 2019-02-28

A Target Detection Method of Moving Objects at Airport Based on Streak Flow and Deep Learning

摘要: 针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%.
- 智能交通 /
- 运动目标 /
- 机场场面监视 /
- 倾向流 /
- 卷积神经网络 /
- 目标检测

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 496
HTML全文浏览量: 98
PDF下载量: 1
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发