计算机科学与信息系统

视频保留了宝贵的原始信息。 了解这些数据,然后识别对象并对其进行标记,对于智能计划和决策至关重要。 深度学习为我们提供了一种从人的角度理解大数据的有效方法。 由于交通视频的特点是场景拥挤,清晰度低,因此一次性处理整个图像将是无效的。 另一种方法是分离图像并为每个运动对象确定一个小窗口。 提出了一种基于Q学习的运动对象识别方法,该方法首先找出运动对象区域,然后使用基于Q学习的优化方法确定包含运动对象的最紧凑区域。 该算法能够以接近实时的速度检测运动对象周围最紧凑的矩形。 之后,使用深度神经网络对已识别的对象进行语义标记。 实验结果表明,该算法是有效的。