基于动态分组卷积的行人检测方法及系统.pdf

一种基于自校准卷积网络的行人检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112800942 A (43)申请公布日 2021.05.14 (21)申请号 202110105126.5 (22)申请日 2021.01.26 (71)申请人泉州装备制造研究所地

2023-06-06 约1.45万字 12页立即下载

基于可切换空洞卷积和GC-BFP特征增强的行人检测方法及存储介质.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881210 A (43)申请公布日 2022.08.09 (21)申请号 202210481577.3 G06V 10/25 (2022.01)

2023-05-16 约9.52千字 8页立即下载

基于卷积神经网络的跨镜多行人目标检测与跟踪：方法创新与实践.docx 基于卷积神经网络的跨镜多行人目标检测与跟踪：方法创新与实践一、引言 1.1研究背景与意义随着城市化进程的加速和智能技术的不断发展，安防和交通等领域对于行人目标的检测与跟踪需求日益迫切。在安防监控中，跨镜多行人目标检测与跟踪技术能够帮助警方实时掌握人员的行动轨迹，从而有效预防和侦破各类案件。例如，在公共场所发生突发事件时，通过对多个监控摄像头捕捉到的行人信息进行分析和整合，可以快速定位嫌疑人的位置和行动路线，为警方的执法行动提供有力支持。在交通领域，准确检测和跟踪行人对于自动驾驶系统的安全性和可靠性至关重要。自动驾驶汽车需要实时感知周围的行人情况，以便及时做出决策，避免碰撞事故的发生。此

2025-04-27 约3.25万字 35页立即下载

基于关键点优化和多跳注意图卷积行人重识别方法及系统.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113361334 B (45)授权公告日 2022.07.22 (21)申请号 202110540831.8 G06V 10/75 (2022.01)

2023-06-19 约2.47万字 18页立即下载

基于深度卷积神经网络的行人检测.docx 基于深度卷积神经网络的行人检测 一、概述随着人工智能技术的飞速发展，行人检测作为计算机视觉领域的重要研究方向，日益受到学术界和工业界的关注。行人检测的目标是在视频或图像中准确地识别和定位出行人的位置，对于智能监控、自动驾驶、人机交互等领域具有广泛的应用价值。由于行人姿态的多样性、背景的复杂性以及光照、遮挡等因素的干扰，行人检测仍然是一个具有挑战性的任务。传统的行人检测方法主要依赖于手工设计的特征描述子和分类器，如HOGSVM等。这类方法对于复杂场景的适应能力有限，难以应对行人姿态、尺度以及背景变化带来的挑战。随着深度学习的兴起，特别是深度卷积神经网络（CNN）在图像识别领域的成功应用，为行

2024-06-28 约2.07万字 42页立即下载

一种基于yolov5行人检测算法减少行人误检测率的方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113392754 B (45)授权公告日 2022.06.28 (21)申请号 202110652249.0 G06V 10/764 (2022.01)

2023-06-17 约6.59千字 5页立即下载

图卷积网络系统和基于图卷积网络系统的3D物体检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112801059 B (45)授权公告日 2021.07.20 (21)申请号 202110369721.X (22)申请日 2021.04.07 (65)同一申请的

2023-06-02 约2.18万字 18页立即下载

基于YOLOv7的车辆行人检测与行人跟踪方法的研究.pdf 摘要随着智能交通、自动驾驶和视频监控的快速发展，准确和可靠的车辆行人检测 与行人跟踪变得越来越重要，然而，现有的检测算法和跟踪算法在复杂场景、小目标检测、目标遮挡和运动模糊等方面仍存在一些挑战。为了提高车辆行人检测与行人跟踪的准确性和鲁棒性，我们需要对检测算法和跟踪算法进行深入研究。首先，本文深入研究总结了国内外研究现状，根据任务的要求与目标，选择了检测精度较高，运行速度较快的YouOnlyLookOnceVersion7(YOLOv7)的轻量化版本YOLOv7-Tiny

2025-03-13 约9.17万字 71页立即下载

基于YOLOv7的车辆行人检测与行人跟踪方法的研究.docx 基于YOLOv7的车辆行人检测与行人跟踪方法的研究一、引言随着人工智能技术的飞速发展，计算机视觉技术在交通监控、自动驾驶等领域的应用日益广泛。车辆行人的检测与跟踪作为这些领域的关键技术之一，对提升交通安全管理、自动驾驶智能化等具有重要意义。近年来，基于深度学习的目标检测算法在车辆行人检测与跟踪方面取得了显著的成果。本文将重点研究基于YOLOv7的车辆行人检测与行人跟踪方法，旨在提高检测精度和跟踪稳定性。二、相关技术概述 2.1YOLOv7算法 YOLO（YouOnlyLookOnce）系列算法是一种实时目标检测算法，其核心思想是将目标检测任务转化为回归问题。YOLOv7是该系列算法的最新

2025-02-24 约4.37千字 9页立即下载

基于深度学习的行人检测方法研究.docx 基于深度学习的行人检测方法研究 ResearchonPedestrianDetectionMethodBasedonDeepLearning 摘要近年来，随着机器视觉领域的快速发展，行人检测技术也越来越受到大众的重视，行人检测技术在汽车驾驶、智能服务机器人和监控识别等领域都发挥着极其重要的作用。其中，深度学习（Deeplearning）作为机器学习的一个重要分支，最早可以追溯到1980年福岛邦彦所最先提出的新认知机，而后受到各大领域科学家的竞相研究。由于一个场景之中，存在各种各样的物体，并且因为光照强度、物体重叠和阴影等因素的影响，传统的行人检测并不能准确检测出

2025-03-20 约1.62万字 29页立即下载

基于改进型RetinaNet的行人检测方法.docx 基于改进型RetinaNet的行人检测方法一、引言 行人检测是计算机视觉领域中的一项重要任务，广泛应用于智能监控、自动驾驶、智能交通系统等领域。然而，由于行人姿态的多样性、背景的复杂性以及光照条件的变化等因素，行人检测仍然是一个具有挑战性的问题。近年来，深度学习技术的发展为行人检测提供了新的解决方案。其中，基于深度学习的目标检测算法在行人检测中取得了显著的成果。本文提出了一种基于改进型RetinaNet的行人检测方法，以提高行人检测的准确性和效率。二、相关技术 2.1RetinaNet算法 RetinaNet是一种基于一阶段的目标检测算法，具有较高的准确性和速度。它通过焦点损失函数解决了目

2025-02-24 约4.83千字 9页立即下载

基于YOLO和GMM的视频行人检测方法.pptx 基于YOLO和GMM的视频行人检测方法汇报人：2024-01-06 目录引言YOLO算法原理GMM算法原理基于YOLO和GMM的视频行人检测方法实验结果与分析结论与展望 01引言研究背景与意义01随着视频监控技术的普及，行人检测在安全监控、智能交通等领域具有广泛的应用价值。02传统的行人检测方法通常基于特征提取和分类器，但这些方法在复杂场景下可能效果不佳。03YOLO（YouOnlyLookOnce）是一种实时目标检测算法，具有速度快、准确度高的优点，但容易受到光照、姿态变化等因素的影响。04GMM（GaussianMixtureModel）是一种概率模型，可以用于行人的背景建模和前景检测。

2024-07-04 约2.71千字 25页立即下载

基于深度学习的行人检测方法研究.docx 基于深度学习的行人检测方法研究 Researchonpedestriandetectionmethodbasedondeeplearning 摘要 行人检测是现在火热的研究领域之一，科技在发展，人工智能技术在进步，行人检测算法在多个领域都取得突破。近年来深度学习的应用越来越广泛，技术越来越成熟，在很大程度上提高了行人检测的检测性能。传统的行人检测越来越跟不上时代的发展变化，在检测速度与精度上都有明显不足，因此我们有必要采取新的方法对行人检测技术进行改进。本文分析了传统的行人检测方法，并对行人检测技术进行了改进。首先，对R-CNN、FastR-CNN、FasterR-CN

2024-11-04 约1.77万字 31页立即下载

2025-03-11 约2.91万字 40页立即下载

《基于Android系统的行人检测》范文.docx 《基于Android系统的行人检测》篇一一、引言 行人检测作为计算机视觉领域的一个重要应用，近年来在智能交通、智能安防、自动驾驶等领域得到了广泛关注。随着Android系统的普及和强大性能的不断提升，基于Android系统的行人检测技术也得到了快速发展。本文旨在探讨基于Android系统的行人检测技术及其应用，为相关领域的研究和应用提供参考。二、Android系统与行人检测技术 Android系统以其开放性和可定制性，为行人检测技术的发展提供了良好的平台。在Android系统中，行人检测技术主要依赖于计算机视觉和深度学习算法。通过在Android设备上运行专门的行人检测算法，可以实现对行人

2024-10-04 约1.44千字 3页立即下载