Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: orientation estimation

Sortuj według:

Ogranicz wyniki do:

Traffic surveillance: vehicle detection and pose estimation based on deep learning

100%

Fadhil F. , Abdulghani M. M. , Salih A. , Ghazal M. T.

Przegląd Elektrotechniczny

2023

tom R. 99, nr 2

131--134

Video-based traffic surveillance analysis is an important area of research with numerous applications in intelligent transportation systems. Due to camera positioning, background crowd, and vehicle orientation fluctuations, urban situations are more complex than highways. This paper provides a state-of-the-art technique for vehicle detection and orientation estimation based on the convolutional neural network CNN for detecting and determining the orientation of a vehicle from a given image to reduce traffic accidents. Different CNN model architectures have been examined to reach this approach's goal, which results in a small and fast model that is compatible with limited-resources hardware. A large-scale dataset of vehicles has been used to train the model. The dataset includes different types and views of cars; the taken images are high quality with diverse backgrounds and light conditions. To train the model, the dataset has been divided into five classes according to view: Front, Rear, Side, Front-side, and Rear-side, to fit the requirement of this work. The system achieves a high accuracy result.

Analiza monitoringu ruchu oparta na wideo jest ważnym obszarem badań z licznymi zastosowaniami w inteligentnych systemach transportowych. Ze względu na ustawienie kamery, tłum w tle i wahania orientacji pojazdu sytuacje w mieście są bardziej złożone niż na autostradach. W artykule przedstawiono najnowocześniejszą technikę wykrywania pojazdów i szacowania orientacji w oparciu o konwolucyjną sieć neuronową CNN do wykrywania i określania orientacji pojazdu na podstawie danego obrazu w celu zmniejszenia liczby wypadków drogowych. Zbadano różne architektury modeli CNN, aby osiągnąć cel tego podejścia, co skutkuje małym i szybkim modelem, który jest kompatybilny ze sprzętem o ograniczonych zasobach. Do trenowania modelu wykorzystano wielkoskalowy zbiór danych pojazdów. Zbiór danych zawiera różne typy i widoki samochodów; wykonane zdjęcia są wysokiej jakości z różnym tłem i warunkami oświetleniowymi. Aby wytrenować model, zestaw danych został podzielony na pięć klas według widoku: przód, tył, bok, przód i tył, aby spełnić wymagania tej pracy. System osiąga wysoką dokładność wyniku.

3D Motion Tracking of the Shoulder Joint with Respect to the Thorax Using MARG Sensors and Data Fusion Algorithm

84%

Barraza Madrigal J. A. , Cantillo Negrete J. , Muñoz Guerrero R. , Contreras Rodríguez L. A. , Sossa H.

Biocybernetics and Biomedical Engineering

2020

tom Vol. 40, no. 3

1205--1224

A method for performing 3D motion tracking of the shoulder joint with respect to the thorax, using MARG sensors and a data fusion algorithm, is proposed. Two tests were done: 1) qualitative and quantitative analysis of the response of the sensors, static position and during motion, with and without the proposed data fusion algorithm; 2) motion tracking of the shoulder joint with the upper arm, the thorax, and the shoulder joint respect to the thorax. Qualitative analysis of experimental results showed that despite slight variations regarding the evaluated motion, these variations did not have repercussions on the estimated orientation. Quantitative analysis showed that the estimated orientation did not exhibit significant variations, in five minutes, such as drift errors (about 0.18 in static position and less than 1.88 during motion), variations due to noise or magnetic disturbances (RMSE less than 0.048 static position and less than 18 during motion); no singularity problems were reported. The main contributions of this research are a multisensor data fusion algorithm, which combines the complementary properties of gyroscopes, accelerometers, and magnetometers in order to estimate the 3D orientation of two body segments separately and with respect to another body segment considering the spatial relationship between them; and a method for performing 3D motion tracking of two body segments, based on the estimation of their orientation, including motion compensation. The proposed method is applicable to monitoring devices based on IMU/MARG sensors; the performance was evaluated using a customized motion analysis system.