En los últimos años, con el rápido desarrollo de la infraestructura de videovigilancia, cada vez más sistemas de vigilancia inteligentes han empleado técnicas de visión por ordenador y reconocimiento de patrones. En este artículo, presentamos un novedoso sistema de vigilancia inteligente utilizado para la gestión de vehículos de carretera basado en el Internet Visual Inteligente de las Cosas (IVIoT). El sistema tiene la capacidad de extraer las etiquetas visuales de los vehículos en las vías urbanas; en otras palabras, puede etiquetar cualquier vehículo mediante visión por ordenador y, por lo tanto, puede reconocer fácilmente los vehículos con etiquetas visuales. Los nodos diseñados en el sistema pueden instalarse no sólo en las vías urbanas para proporcionar información básica, sino también en los vehículos móviles de detección para proporcionar apoyo a la movilidad y mejorar la cobertura de detección. Las etiquetas visuales mencionadas en este trabajo consisten en el número de matrícula, el color del vehículo y el tipo de vehículo, y tienen varias propiedades adicionales, como el punto de paso y el momento de paso. Además, presentamos un método rápido y eficaz de eliminación de la niebla de la imagen para hacer frente a las condiciones meteorológicas de niebla. Los resultados experimentales muestran que el sistema de seguimiento de vehículos por carretera diseñado alcanza una precisión media de seguimiento en tiempo real del 85,80% en diferentes condiciones.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Diseño de flock que preserva la conectividad mediante la función de control de Lyapunov
Artículo:
Estudio analítico y experimental de las tensiones residuales en CFRP
Artículo:
Síntesis, estructura y propiedades luminiscentes de polvos nanocristalinos de hidroxiapatita dopados con europio
Artículo:
Reetiquetado de los medicamentos que llamamos antidepresivos
Artículo:
Uso de una red bayesiana para predecir la fuerza de compresión espinal L5/S1 a partir de la postura, la carga de la mano, la antropometría y el estado de la lesión discal