文献

J-GLOBAL ID：201602282607594033   整理番号：16A0329695

半教師つきSVM分類アルゴリズムに基づく交通ビデオ車両検出【Powered by NICT】

Traffic video vehicle detection based on semi-supervised SVM classification algorithm

著者 (4件)： Jiang Xinhua (School of Information Sci. and Engineering, Central South University; Fujian Key Lab. for Automotive Electronics and ...) ,  Gao Sheng (School of Software Engineering, Central South Univ., Changsha) ,  Liao Ljuchao (School of Information Sci. and Engineering, Central South University; Fujian Key Lab. for Automotive Electronics and ...) ,  Zou Fumin (Fujian Key Lab. for Automotive Electronics and Electric Drive, Fujian Univ. of Technol., Fuzhou)
資料名： Zhineng Xitong Xuebao  (Zhineng Xitong Xuebao)
巻： 10  号： 5  ページ： 690-698  発行年： 2015年 
JST資料番号： C2755A  ISSN： 1673-4785  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文では,精度の向上と交通シーンにおける車両計数の適応性を高めるために半教師つきサポートベクトルマシン(SVM)分類アルゴリズムに基づく交通ビデオ車両検出法の一種を提案した。少数の人工的に標識試料の解析により,異なるカーネルを有する2SVM分類器は,有向性勾配(H OG)特徴と局所二値パターン(LBP)特徴のヒストグラムに基づいて訓練した。半学習の考えを採用することにより,提案した分類のための半教師つきSVM(SEMI-SVM)である。次に,未知試料を標識し,添加原試料データベースにある。提案した方法は,動的サンプルデータベースのデータ更新をサポートする,重労働標識試料を回避し,アルゴリズムの適応性を増強する。運動領域を3フレーム差則を用いて抽出した。分類器はその後抽出された運動領域におけるマルチスケール検出を行うために負荷し,移動する車両をマークして,計数した。結果はアルゴリズムは良好な応答,良好な適応性を持ち,移動車両の検出精度は非常に改良された,複雑な交通環境下であっても。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *アルゴリズム ,  学習 ,  *録画装置 ,  適応性 ,  データベース ,  サポートベクトルマシン ,  データ更新 ,  ヒストグラム ,  *交通
準シソーラス用語： 検出精度 ,  マルチスケール ,  高精度化 ,  *車両検出 ,  *分類アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 教師 ,  SVM分類 ,  アルゴリズム ,  交通 ,  ビデオ ,  車両検出