1 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室, 上海 201800
2 中国科学院大学, 北京 100864
提出了一种基于卷积神经网络和XGBoost的摔倒检测算法。采用基于squeeze-and-excitation模块的YOLO-v3算法对图片进行人体区域检测,在此基础上使用人体姿态估计网络获取人体关节点并提取出特征向量,再将其输入XGBoost进行训练,进而判断人体是否摔倒。实验结果表明,所提出的摔倒检测算法准确率较高,达到98.3%。
图像处理 卷积神经网络 squeeze-and-excitation模块 YOLO-v3 XGBoost 摔倒检测 激光与光电子学进展
2020, 57(16): 161024
1 中国科学院上海微系统与信息技术研究所无线传感网络重点实验室, 上海 201800
2 上海科技大学信息科学与技术学院, 上海 200120
3 中国科学院大学, 北京100864
针对当前车牌识别系统在存在复杂环境以及车牌倾斜的情况下无法精确定位的问题,提出一种基于卷积神经网络的端到端车牌精确定位算法,从而精确计算车牌的坐标。通过Faster R-CNN对输入车辆图片中的信息进行处理,提取候选区域的特征映射,利用特征映射计算车牌的精确坐标。实验结果表明本文算法在OpenITS数据库的功能评测数据库中的平均识别准确率为99%,在性能评测数据库中的平均识别准确率为85%。
图像处理 卷积神经网络 车牌检测 精确定位 激光与光电子学进展
2020, 57(2): 021010