[发明专利]一种基于航拍数据的实时车流检测与追踪方法有效
| 申请号： | 201810746646.2 | 申请日： | 2018-07-09 |
| 公开（公告）号： | CN108921875B | 公开（公告）日： | 2021-08-17 |
| 发明（设计）人： | 叶允明;夏武;张晓峰;项耀军 | 申请（专利权）人： | 哈尔滨工业大学（深圳） |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246 |
| 代理公司： | 深圳市添源知识产权代理事务所(普通合伙) 44451 | 代理人： | 罗志伟 |
| 地址： | 518000 广东省深圳市南*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于航拍数据的实时车流检测与追踪方法，包括以下步骤：S1、基于弱监督学习的预训练部分，使用弱监督学习的方式训练好一个YOLO网络的预训练模型；S2、基于航拍数据的实时车流检测部分，采用全卷积神经网络以及具有先验信息的多目标框检测方法对YOLO网络的预训练模型进行改进，得到YOLO检测网络。本发明的有益效果是：基于YOLO算法进行改进，采用全卷积神经网络以及具有先验信息的多目标框检测方法，有效地利用了无人机航拍数据集多视角和多分辨率的图像特点进行训练，在不损失太多检测时间的情况下提升了算法的检测准确率，达到了准确率与时间的平衡。 | ||
| 搜索关键词： | 一种 基于 航拍 数据 实时 车流 检测 追踪 方法 | ||
【主权项】：
1.一种基于航拍数据的实时车流检测与追踪方法，其特征在于，包括以下步骤：S1、基于弱监督学习的预训练部分，使用弱监督学习的方式训练好一个YOLO网络的预训练模型；S2、基于航拍数据的实时车流检测部分，采用全卷积神经网络以及具有先验信息的多目标框检测方法对YOLO网络的预训练模型进行改进，得到YOLO检测网络；S3、多视角多分辨率训练部分，采用多视角多分辨率的训练方法在YOLO检测网络上进行训练，得到一个检测模型；S4、匹配式车流追踪部分，采用检测模型实时地对航拍视频进行前后两帧检测，最后采用匹配式车流追踪方法进行追踪。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学（深圳），未经哈尔滨工业大学（深圳）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810746646.2/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
