福州大学学报（自然科学版）
福州大學學報（自然科學版）
복주대학학보（자연과학판）
JOURNAL OF FUZHOU UNIVERSITY(NATURAL SCIENCE EDITION)
2014年
3期
376-380
,共5页
智能分析%交通安全状态%自动识别%协同神经网络
智能分析%交通安全狀態%自動識彆%協同神經網絡
지능분석%교통안전상태%자동식별%협동신경망락
intelligent analysis%traffic safety state%automatic recognition%synergetic neural network
根据交通安全状态视频图像的特点,把交通安全状态分为安全和危险二大类,通过对智能视频处理方法的比较,提出一种依据原型模式的直接检测模型和算法,直接检测方法可有效提高交通安全状态识别算法的实时性和准确性.实验表明,本方法交通安全状态的分类识别正确率达87.5％,识别速度比传统神经网络方法提高了16.2％.
根據交通安全狀態視頻圖像的特點,把交通安全狀態分為安全和危險二大類,通過對智能視頻處理方法的比較,提齣一種依據原型模式的直接檢測模型和算法,直接檢測方法可有效提高交通安全狀態識彆算法的實時性和準確性.實驗錶明,本方法交通安全狀態的分類識彆正確率達87.5％,識彆速度比傳統神經網絡方法提高瞭16.2％.
근거교통안전상태시빈도상적특점,파교통안전상태분위안전화위험이대류,통과대지능시빈처리방법적비교,제출일충의거원형모식적직접검측모형화산법,직접검측방법가유효제고교통안전상태식별산법적실시성화준학성.실험표명,본방법교통안전상태적분류식별정학솔체87.5％,식별속도비전통신경망락방법제고료16.2％.
