文献

J-GLOBAL ID：202102254210817075   整理番号：21A0564857

低消費電力レーダを用いた車両分類のためのエネルギーおよび幅特徴に基づくSVM【JST・京大機械翻訳】

Energy and Width Features-Based SVM for Vehicles Classification Using Low Power Consumption Radar

著者 (4件)： Liang Haotai (College of Electronics and Information Engineering, Shenzhen University,Shenzhen,China) ,  Yang Zhaocheng (College of Electronics and Information Engineering, Shenzhen University,Shenzhen,China) ,  Shi Fengyuan (College of Electronics and Information Engineering, Shenzhen University,Shenzhen,China) ,  Yang Ruimin (College of Electronics and Information Engineering, Shenzhen University,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICEICT  ページ： 129-134  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,低消費電力レーダを用いた新しい特徴ベースサポートベクトルマシン(SVM)車両分類手法を提案した。この新しいアプローチは,エネルギーと幅の特徴を利用し,2種類の車両,大型車と小型車で異なる特性を示した。提案方法は,まず,灰色処理,メディアンフィルタリング,二値化,領域成長,フィルタリング小面積ブロック,および形態学的処理を含む画像特徴抽出アルゴリズムを用いて,ターゲットを主に検出し,分離する。次に,コヒーレント蓄積を用いて,信号雑音比を改善し,目標の領域単位を,二重閾値に基づくエンドポイント検出アルゴリズムによって決定した。最後に,自動車の各タイプのエネルギーと幅特性を抽出し,サポートベクトルマシン(SVM)分類器を適用した。実験結果は,提案した方式の精度が95%以上を達成できることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  アルゴリズム ,  コヒーレンス ,  *レーダ ,  自動車 ,  大型車 ,  小型車 ,  フィルタリング ,  メディアンフィルタ ,  モルフォロジー ,  サポートベクトルマシン
準シソーラス用語： エンドポイント ,  二値化 ,  検出アルゴリズム ,  画像特徴抽出 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 低消費電力 ,  レーダ ,  車両分類 ,  エネルギー ,  SVM