[00821537]交通场景中目标行为感知关键技术研究
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
登录后向技术服务商咨询
发布技术需求
服务免费，交易还可领红包哦
技术详细介绍
课题对智能交通系统中，目标行为感知中的视频特征提取，目标检测，目标聚类和目标行为分析四个方面进行了深入的研究。研究提出了空间相关矩阵特征。该特征具有较强的空间表达能力，同时它是可伸缩、可扩展的，且兼容传统的Haar特征。提出了基于权重的冗余特征消减AdaBoost算法AdaBoostWrea。与传统的AdaBoost相比，能够保留那些更具分辨力且相互独立的特征，在提高分类预测精度的同时，又能够减少计算复杂度，增强学习效率，加快了训练速度。还提出了一种基于有向截尾均值距离(简称DTMD)和长度相关比(简称LCP)的轨迹层次聚类算法并利用聚类结果对轨迹的分布模式进行了提取。该方法可以降低噪声等干扰因素对轨迹聚类的影响，提高轨迹聚类的速度。具有很好的现实意义和理论价值。