1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính

51 10 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 51
Dung lượng 6,73 MB

Nội dung

Ngày đăng: 29/11/2021, 10:27

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] I. Matveev, A. Murynin and A. Trekin, “Vehicle detection in color images”, IEEE Conference on Intelligent Transportation System, 1997 Sách, tạp chí
Tiêu đề: “Vehicle detection in color images”
[2] Sungji Han, Youngjoon Han and Hernsoo Hahn, “Vehicle detection method using Haar-like feature on real time system”, World Academy of Science, Engineering and Technology, 2009 Sách, tạp chí
Tiêu đề: “Vehicle detection method using Haar-like feature on real time system”
[3] K. Mikolajczyk, C. Schmid, and A. Zisserman, “Human detection based on a probabilistic assembly of robust part detectors”, Proc.ECCV, 2004 Sách, tạp chí
Tiêu đề: “Human detection based on a probabilistic assembly of robust part detectors”
[4] Shanshan Zhang, Christian Bauckhage and Armin Cremers, “Informed Haar-like feature Improve pedestrian detection”, IEEE Conference on Computer Vision and Pattern Recognition, 2014 Sách, tạp chí
Tiêu đề: “Informed Haar-like feature Improve pedestrian detection”
[5] P. Viola and M. Jones, “Rapid Object Detection using a Boosted Cascade of Simple Features”, IEEE Conference on Computer Vision and Pattern Recognition, 2001 Sách, tạp chí
Tiêu đề: “Rapid Object Detection using a Boosted Cascade of Simple Features”
[6] N. Dalal and B. Triggs, “Histograms of Oriented Gradients for Human Detection”, In CVPR 2005, 2005 Sách, tạp chí
Tiêu đề: “Histograms of Oriented Gradients for Human Detection”
[7] Julien Maynet, “Fast Face Detection Using AdaBoost”, In EPFL, 2003 [8] R. Benenson, M. Omran, J. Hosang B and. Schiele, “Ten Years ofPedestrian Detection, What Have We Learned?”, In ECCV, 2014 Sách, tạp chí
Tiêu đề: Fast Face Detection Using AdaBoost”", In EPFL, 2003 [8] R. Benenson, M. Omran, J. Hosang B and. Schiele, "“Ten Years of "Pedestrian Detection, What Have We Learned?”
[9] Y. Freund and R. Schapire, “A decision-theoretic generalization of on- line learning and an application to boosting”, In Computational Learning Theory, 1995 Sách, tạp chí
Tiêu đề: A decision-theoretic generalization of on-line learning and an application to boosting”
[10] R. Lienhart, A. Kuranov and V. Pisarevsky, “Empirical Analysis of Detection Cascade of Boosted Classifiers for Rapid Object Detection”, In MRL Technical Report, 2002 Sách, tạp chí
Tiêu đề: “Empirical Analysis of Detection Cascade of Boosted Classifiers for Rapid Object Detection”
[11] T. Ojala and M. Pietikainen, “Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns”, IEEE Trans on Pattern Analysis and Machine Intelligence, 2002 Sách, tạp chí
Tiêu đề: “Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns”

HÌNH ẢNH LIÊN QUAN

Hình 1.1 Các xe tự lái - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 1.1 Các xe tự lái (Trang 13)
Hình 2.1 Mối tương quan giữa thị giác máy tính và các lĩnh vực khoa học khác - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.1 Mối tương quan giữa thị giác máy tính và các lĩnh vực khoa học khác (Trang 17)
Hình 2.2 Ro-bot sử dụng máy ảnh chuyên dụng để kiểm tra chất lượng quá trình sơn khung xe ôtô  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.2 Ro-bot sử dụng máy ảnh chuyên dụng để kiểm tra chất lượng quá trình sơn khung xe ôtô (Trang 18)
Hình 2.3 Máy bay chiến đấu không người lái MQ-9 của hãng General Atomics - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.3 Máy bay chiến đấu không người lái MQ-9 của hãng General Atomics (Trang 19)
Hình 2.4 Mặt phẳng phân lớp không gian vec-tơ của phương pháp SVM - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.4 Mặt phẳng phân lớp không gian vec-tơ của phương pháp SVM (Trang 21)
Hình 2.5 Các dạng cơ bản của đặc trưng Haar-like A-B: two-rectangle C: three-rectangle D:  four-rectangle    - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.5 Các dạng cơ bản của đặc trưng Haar-like A-B: two-rectangle C: three-rectangle D: four-rectangle (Trang 22)
Hình 2.6 Ví dụ cách tính đăc trưng LBP - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.6 Ví dụ cách tính đăc trưng LBP (Trang 22)
Hình 2.7 Các ví dụ về cấu trúc LBP - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.7 Các ví dụ về cấu trúc LBP (Trang 23)
Hình 2.8 Cấu trúc chia khối của đặc trưng HOG - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.8 Cấu trúc chia khối của đặc trưng HOG (Trang 25)
- Cho ảnh đầu vào có vùng ản hI có kích thước 10 x8 pixel (Hình 2.9) - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
ho ảnh đầu vào có vùng ản hI có kích thước 10 x8 pixel (Hình 2.9) (Trang 25)
- Sau cùng, ta sẽ có được Hình 2.12 biểu đồ cường độ theo hướng của mỗi pixel ảnh đầu vào - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
au cùng, ta sẽ có được Hình 2.12 biểu đồ cường độ theo hướng của mỗi pixel ảnh đầu vào (Trang 27)
- Vec-tơ đặc trưng của 01 block được minh họa như Hình 2.10 -     Ta có số chiều vec-tơ đặc trưng của mỗi block:  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
ec tơ đặc trưng của 01 block được minh họa như Hình 2.10 - Ta có số chiều vec-tơ đặc trưng của mỗi block: (Trang 27)
Hình 2.11 Các block trong ảnh gối lên nhau bởi một cell - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.11 Các block trong ảnh gối lên nhau bởi một cell (Trang 28)
Hình 2.10 Nối các vec-tơ đặc trưng cells thành block - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.10 Nối các vec-tơ đặc trưng cells thành block (Trang 28)
Hình 2.13 Sơ đồ cơ bản thuật toán AdaBoost - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.13 Sơ đồ cơ bản thuật toán AdaBoost (Trang 29)
Hình 2.14 Quy trình huấn luyện của thuật toán AdaBoost - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.14 Quy trình huấn luyện của thuật toán AdaBoost (Trang 30)
Bảng 2.1 Thuật toán tăng tốc thích nghi rời rạc DAB - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Bảng 2.1 Thuật toán tăng tốc thích nghi rời rạc DAB (Trang 31)
Hình 2.15 Cấu trúc bộ phân loại xếp tầng - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 2.15 Cấu trúc bộ phân loại xếp tầng (Trang 34)
Hình 3.1 Giải thuật xây dựng hệ thống phát hiện đối tượng - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.1 Giải thuật xây dựng hệ thống phát hiện đối tượng (Trang 36)
Hình 3.2. Tập mẫu huấn luyện chứa đối tượng. (a) Đối tượng là ôtô  (b) Đối tượng là người đi bộ  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.2. Tập mẫu huấn luyện chứa đối tượng. (a) Đối tượng là ôtô (b) Đối tượng là người đi bộ (Trang 37)
Hình 3.3 Tập mẫu huấn luyện chứa đối tượng. (a) Đối tượng là ôtô  (b) Đối tượng là người đi bộ  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.3 Tập mẫu huấn luyện chứa đối tượng. (a) Đối tượng là ôtô (b) Đối tượng là người đi bộ (Trang 38)
Hình 3.4 ROI được vẽ cho các mẫu chứa đối tượng (a) Đối tượng là ôtô  (b) Đối tượng là người đi bộ  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.4 ROI được vẽ cho các mẫu chứa đối tượng (a) Đối tượng là ôtô (b) Đối tượng là người đi bộ (Trang 39)
Bảng 3.1 Bảng lư uý thiết lập thông số cho việc huấn luyện bộ phân loại xếp tầng  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Bảng 3.1 Bảng lư uý thiết lập thông số cho việc huấn luyện bộ phân loại xếp tầng (Trang 39)
Hình 3.5 Ảnh kiểm tra bộ phân loại xếp tầng cho đối tượng ôtô (a) Ảnh trước khi phân loại  (b) Ảnh sau khi phân loại   - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.5 Ảnh kiểm tra bộ phân loại xếp tầng cho đối tượng ôtô (a) Ảnh trước khi phân loại (b) Ảnh sau khi phân loại (Trang 40)
Bảng 3.2 Quá trình huấn luyện bộ phân loại xếp tầng - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Bảng 3.2 Quá trình huấn luyện bộ phân loại xếp tầng (Trang 41)
Hình 3.6 Ảnh kiểm tra bộ phân loại xếp tầng cho đối tượng người đi bộ (a) Ảnh trước khi phân loại  (b) Ảnh sau khi phân loại  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.6 Ảnh kiểm tra bộ phân loại xếp tầng cho đối tượng người đi bộ (a) Ảnh trước khi phân loại (b) Ảnh sau khi phân loại (Trang 42)
Bảng 3.3 Kết quả kiểm tra bộ phân loại xếp tầng đối với đối tượng là ôtô: - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Bảng 3.3 Kết quả kiểm tra bộ phân loại xếp tầng đối với đối tượng là ôtô: (Trang 42)
Hình 3.7 Mẫu chứa đối tượng được phân loại bởi bộ phân loại xếp tầng (a) Mẫu được phân loại đúng (b) Mẫu bị phân loại  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.7 Mẫu chứa đối tượng được phân loại bởi bộ phân loại xếp tầng (a) Mẫu được phân loại đúng (b) Mẫu bị phân loại (Trang 43)
Hình 3.8 Mẫu không chứa đối tượng được phân loại bởi bộ phân loại xếp tầng (a) Mẫu được phân loại đúng (b) Mẫu bị phân loại  - Hiểu biết cảnh quang cho hệ thống hỗ trợ lái trong môi trường đô thị sử dụng thị giác máy tính
Hình 3.8 Mẫu không chứa đối tượng được phân loại bởi bộ phân loại xếp tầng (a) Mẫu được phân loại đúng (b) Mẫu bị phân loại (Trang 43)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w