相关实验视频
Updated: Jun 16, 2025
10:16
A Protocol for Real-time 3D Single Particle Tracking
Published on: January 3, 2018
14.9K
安全监控系统的实时物体检测,跟踪和监控框架
Sani Abba1, Ali Mohammed Bizi1, Jeong-A Lee2
1Department of Computer Science, Faculty of Science, Gubi Campus, Abubakar Tafawa Balewa University, Along Ningi/Kano Road, P.M.B. 0248, Bauchi, Nigeria.
Heliyon
|August 15, 2024
概括
本研究引入了实时物体检测和跟踪框架,以加强安全监控. 该系统在基准数据集上表现出卓越的准确性和精度,提高了实时监控能力.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 安全系统安全系统
背景情况:
- 全球安全挑战需要先进的保护机制.
- 实时监控对于检测,跟踪和监控至关重要.
- 现有的解决方案需要进一步的研究和改进的方法.
研究的目的:
- 为安全监控提供适合物体检测和跟踪的实时框架.
- 开发和评估用于对象检测,跟踪和识别的新算法.
- 为实际使用创建一个集成的软件应用程序.
主要方法:
- 使用了近似中位数过,组件标签和背景减去.
- 集成的深度学习方法用于对象检测和识别.
- 在Python中实现算法,并与C#集成,以实现用户友好的应用程序.
主要成果:
- 拟议的框架在MOT15,MOT16和MOT17数据集上的准确性和精度方面取得了卓越的表现.
- 证明了有效的实时监控和移动物体的识别.
- 集成的软件应用程序提供了一个方便的用户界面和独立的功能.
结论:
- 开发的框架为安全监控提供了准确和有效的解决方案.
- 未来的工作将集中在动态可扩展性和多样化数据源的集成,用于各种条件.
- 探索像YOLO这样的先进物体检测技术将提高复杂场景中的适应能力.
