Resumen

Los algoritmos de detección de objetivos tienen problemas de baja precisión de detección y susceptibilidad a la oclusión en las ciudades inteligentes existentes. En respuesta a este fenómeno, este documento presenta un algoritmo para la detección de objetivos en una ciudad inteligente combinando aprendizaje de profundidad y extracción de características. Propone una estrategia adaptativa para optimizar las ventanas de búsqueda del algoritmo basado en el algoritmo tradicional de SSD, que, de acuerdo con las condiciones operativas del objetivo, cambia, fortaleciendo el algoritmo para mejorar la precisión de la función objetivo que se combina con el método de fusión de características de correlación ponderada, y este método es una combinación de características de apariencia y características de profundidad. Los resultados experimentales muestran que este algoritmo tiene una mejor capacidad antibloqueo y precisión de detección en comparación con los algoritmos SSD convencionales. Además, tiene una mejor estabilidad en un entorno cambiante.

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Algoritmos de detección de objetivos; Ciudades inteligentes; Precisión de detección; Oclusión; Aprendizaje de profundidad; Extracción de características
• Keywords:Target detection algorithms; Smart cities; Detection accuracy; Occlusion; Depth learning; Feature extraction