文献

J-GLOBAL ID：201802261516987212   整理番号：18A0690104

グラフ理論に基づく複雑な交通環境における車両検出手法【JST・京大機械翻訳】

Graph-based vehicle detection in complex traffic environment

著者 (4件)： Su Shuai (北京交通大学電子信息工程学院,北京100044;北京華航无線電測量研究所,北京100013) ,  Yuan Xue (北京交通大学電子信息工程学院,北京,100044) ,  Zhang Liping (北京華航无線電測量研究所,北京,100013) ,  Li Hansong (北京華航无線電測量研究所,北京,100013)
資料名： Beijing Jiaotong Daxue Xuebao. Zirankexueban  (Beijing Jiaotong Daxue Xuebao. Zirankexueban)
巻： 41  号： 5  ページ： 66-72  発行年： 2017年 
JST資料番号： C2406A  ISSN： 1673-0291  CODEN： BJDXES  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： 現在,既存の画像ベースの車両検出システムの大部分は,スライディングウィンドウ法を用いて,車両候補領域を決定することができる。車両検出の速度を改善し,計算量を減らすために,グラフ理論に基づく新しい車両検出法を提案した。この方法では,単純な線形反復クラスタリング(SLIC)アルゴリズムを用いて,いくつかの超画素ノードを含む画像を得て,ノード間の相互関係を解析して,最終的に車両候補領域を決定した。検出段階において,大量の異なる視点の車両画像を正のサンプルとして訓練し,多視点の分類器を得た。候補領域の幾何学的情報に基づいて,適切な多視点分類器を選択した。公共交通分析データセット(KITTI)を用いて,以下の結果を得た。現在の最新の方法と比較して,提案した方法は,より良い検出精度を有し,複雑な背景においても良好な検出結果を得ることができた。. .と同じような特徴を持つ.分類器によるアルゴリズムと比べて,より良い検出精度を得ることができる.Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  クラスタ化 ,  計算量 ,  画素 ,  画像 ,  線形性 ,  公共輸送 ,  *グラフ理論
準シソーラス用語： 検出精度 ,  スライディングウィンドウ ,  *車両検出 ,  *交通環境 , 【Automatic Indexing@JST】

著者キーワード (4件)： information processing ,  vehicle detection ,  vehicle candidate location ,  multi-view classifiers

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： グラフ理論 ,  交通環境 ,  車両検出 ,  手法