检索结果

Select

1. 基于长短期记忆的车辆行为动态识别网络

卫星, 乐越, 韩江洪, 陆阳

计算机应用 2019, 39 (7): 1894-1898. DOI: 10.11772/j.issn.1001-9081.2018122448

摘要（630）

PDF （858KB）（496）

高级辅助驾驶装置采用机器视觉技术实时处理摄录的行车前方车辆视频，动态识别并预估其姿态和行为。针对该类识别算法精度低、延迟大的问题，提出一种基于长短期记忆（LSTM）的车辆行为动态识别深度学习算法。首先，提取车辆行为视频中的关键帧；其次，引入双卷积网络并行对关键帧的特征信息进行分析，再利用LSTM网络对提取出的特性信息进行序列建模；最后，通过输出的预测得分判断出车辆行为类别。实验结果表明，所提算法识别准确率可达95.6%，对于单个视频的识别时间只要1.72 s；基于自建数据集，改进的双卷积算法相比普通卷积网络在准确率上提高8.02%，与传统车辆行为识别算法相比准确率提高6.36%。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于深度学习的井下巷道行人视觉定位算法

韩江洪, 袁稼轩, 卫星, 陆阳

计算机应用 2019, 39 (3): 688-694. DOI: 10.11772/j.issn.1001-9081.2018071501

摘要（725）

PDF （1079KB）（657）

自主驾驶矿井机车需要实时检测和定位行驶前方的巷道行人，激光雷达等非视觉类方法成本高昂，而传统基于特征提取视觉类方法无法解决井下光照差且光线不均匀的问题。提出一种基于深度学习的井下巷道行人视觉定位算法。首先给出基于深度学习网络的系统整体结构；其次，搭建目标检测多层卷积神经网络（CNN），生成自主驾驶机车前方视野范围内行人的二维坐标及边界框的尺寸；再次，通过多项式拟合计算出图像中行人到机车之间的第三维距离；最后通过真实样本集实施模型训练、验证与测试。实验结果表明，所提算法的检测准确率达94%，速度达每秒25帧，测距误差小于4%，实现了实时高效的巷道行人视觉定位。

参考文献 | 相关文章 | 多维度评价

Select

3. RBAC模型中用户代理机制的研究

陈岳阳马学森韩江洪魏振春

计算机应用

摘要（1713）

PDF （530KB）（1201）

针对ASP服务平台用户和服务之间权限分配日趋复杂的问题，提出了一种新的角色访问控制（A_RBAC）模型，利用代理层将平台服务与企业级用户关联，采用分级授权的用户角色访问控制运行机制，实现了用户代理机制下权限访问的区域自治性，并应用轻量级目录访问协议（LDAP）和J2EE技术将其设计实现于合肥市中小企业信息化托管平台。实践证明，该模型有效地降低了权限分配的复杂性。