文档名：基于级联多任务深度神经网络的施工现场车辆进出检测与识别算法
摘要：施工场景下,对于进出车辆的管理涉及到建筑工地财产安全,以及对被污染车牌识别不准确等问题.针对这些问题,提出了一种低算力的车辆进出检测、识别与追踪算法,大幅减少了人力管理成本,实现了施工现场的车辆智能化管理.考虑到施工现场车型识别及车牌识别涉及大小目标的混合检测,提出了一种级联多任务端到端的神经网络框架.利用YOLO网络实现了对施工现场车辆的检测与车型识别,在此基础上实现车牌定位和识别以及车辆目标跟踪.车牌识别借助轻量级神经网络实现了端到端的精准识别,基于改进的DeepSort目标跟踪算法实现了对场内所有车辆的进出轨迹追踪.针对施工现场数据集缺乏问题,基于现有的门岗监控数据,构建施工现场车辆检测数据集对多任务级联神经网络进行训练,并在COCO2017数据集上对算法进行了进一步验证,结果表明了算法的有效性与可靠性.
作者：喻捷 杨倩 冯欣 葛永新 Author：YUJie YANGQian FENGXin GEYongxin
作者单位：重庆建工住宅建设有限公司,重庆400000重庆理工大学计算机科学与工程学院,重庆400054重庆大学大数据与软件学院,重庆401331
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(19)
分类号：TP391
关键词：车辆进出管理 深度学习 目标检测 级联多任务
Keywords：vehicleaccessmanagement deeplearning targetdetection cascadingmultitasking
机标分类号：TP391.41TN912.34TP183
在线出版日期：2023年12月4日
基金项目：重庆市自然科学基金，重庆市技术创新与应用发展重点项目基于级联多任务深度神经网络的施工现场车辆进出检测与识别算法[
期刊论文] 重庆理工大学学报--2023, 37(19)喻捷 杨倩 冯欣 葛永新施工场景下,对于进出车辆的管理涉及到建筑工地财产安全,以及对被污染车牌识别不准确等问题.针对这些问题,提出了一种低算力的车辆进出检测、识别与追踪算法,大幅减少了人力管理成本,实现了施工现场的车辆智能化管理.考虑...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于级联多任务深度神经网络的施工现场车辆进出检测与识别算法 Cascaded multi-task deep neural network based algorithm for construction site vehicle entry and exit detection and recognition
基于级联多任务深度神经网络的施工现场车辆进出检测与识别算法.pdf
- 文件大小:
- 5.08 MB
- 下载次数:
- 60
-
高速下载
|
|
