A. xe phân loại không gian
Với tham khảo hình 1, hãy để tôi là hình ảnh của
bãi đậu xe được mua lại bởi một nút máy ảnh, có bãi đậu xe C
không gian. Kể từ khi các nút máy ảnh có khả năng được triển khai tĩnh
ở bãi đậu xe, chúng tôi giả biết một tiên nghiệm, cho mỗi
không gian đậu xe, tọa độ pixel của xc trung tâm của nó, cùng
với góc quay dc của nó, chiều rộng wc và chiều cao hc, với
c = 1. . . C. Đối với mỗi không gian đậu xe, một tiểu vùng bình phương của
kích thước min (wc, hc) làm trung tâm trong xc được chiết xuất từ các hình ảnh.
Mỗi tiểu vùng được chuyển đổi từ RGB sang HSV vùng màu,
và các thành phần màu sắc được sử dụng để cư một hc biểu đồ
làm bằng 180 thùng, một cho mỗi giá trị rời rạc sắc khác nhau,
trong [0, 179]. Để cứu tính toán, chỗ đỗ xe
không xoay để định hướng được xác định trước. Trong thực tế, do
bản chất của tính năng đề xuất, luân chuyển hầu như không có hiệu lực
trên chính xác nhiệm vụ. Khi mô ATC được kích hoạt,
biểu đồ có thể được nén bằng cách giảm số lượng
thùng. Một bước xa hơn để giảm bớt số lượng thông tin
được gửi qua mạng, bao gồm trong lượng tử histogram
đếm bin trước khi mã hóa số học và truyền dẫn.
Các biểu đồ được sử dụng như là các tính năng địa phương để xác định
có hay không một chỗ đậu xe là bỏ trống. Đối với nhiệm vụ trước mắt, chúng tôi được đào tạo một phân lớp SVM tuyến tính nhị phân với
K không đổi theo quy tắc = 100. Bộ phân loại được cho ăn bằng
bình thường hue-biểu đồ lấy từ dữ liệu nhãn cả
trong đào tạo và trong giai đoạn thử nghiệm. Các SVM được được đào tạo cho như
đầu vào một biểu đồ bình thường hóa cho mỗi không gian đậu xe trong
tập huấn luyện. Bãi đậu xe trống được gắn nhãn là âm
mẫu (-1), trong khi các bãi đậu xe chiếm được dán nhãn là
mẫu dương tính (1). Sau đó SVM đào tạo được sử dụng để
dự đoán các nhãn cho tất cả các mẫu thử nghiệm. Độ chính xác là
cuối cùng tính toán trên các thử nghiệm thiết lập như là tỷ lệ giữa
số lượng chỗ đậu xe phân loại chính xác trên tổng
số chỗ đậu xe trong bộ này.
đang được dịch, vui lòng đợi..