摘要：针对传统单机视频检索效率低下的问题,设计了一种基于Hadoop的分布式视频车辆检索方法。该方法首先将视频切割成多个分块,然后利用MapReduce和FFMPEG在分布式环境下提取视频帧,再通过车牌识别算法检索其中出现的车牌号码,最后计算出车辆在视频中出现的时间。实验结果表明,与单机检索方式相比,该方式具有更强的数据处理能力和更高的检索效率。

摘要：为降低车辆检索的误检率并提高检索效率,对块卷积神经网络进行优化,提出一种车辆检索方法。增加感兴趣区域输入层、感兴趣区域池化层和目标包围盒输出层,提高传统块卷积神经网络模型的运算效率和分类性能;采用优化的模型进行车辆检索,依据边缘检测、轮廓提取获取感兴趣区域,通过优化的模型提取特征和进行特征分类,输出车辆目标及其位置。实验结果表明,该方法的车辆检索误检率和检索效率优于目前主流车辆检索方法。

摘要：为降低开发并行程序的难度,使用高性能计算机提高车辆图像的检索效率,为普通应用程序开发人员构建了Julia云编程环境.该编程环境以Julia为编程语言,开发车辆图像检索专用API接口;该API接口根据计算机底层硬件体系结构的特点提供相应的实现方式,保证运行效率;为多种实现方式设计统一调用的自适应策略,保证用户透明调用.本文使用Julia语言实现了车辆图像检索程序,程序代码量少,容易修改调整.实验结果表明,本文Julia实现的并行方案获得最高40倍加速,且Julia实现比C语言并行实现仅1.93%性能损失.

摘要：交通监控视频中车辆的有效检测和实时跟踪,是车辆行为分析和识别的前提,也是智能交通系统(ITS)的核心内容和关键技术。本文在深入分析当前车辆属性识别方法以及车辆视频检索关键技术的基础上,结合交通监控视频的自身特点,从应用的角度出发,设计一款融合车牌、车身颜色、车型等多个车辆外观属性进行层次识别的机动车辆检索系统。该系统可为用户提供多种查询方式,从而实现交通监控视频中相关机动车辆的准确检索。