基于深度学习的车载视频图像动态识别算法与应用研究
郑爱玲
许艳艳
郑州工业应用技术学院信息工程学院 河南郑州 451100
摘要：在道路环境错综复杂且干扰源众多的场景下,车辆、行人、交通标志等物体之间的空间关系变得极为复杂.传统方法过度依赖基本的特征提取,未能充分挖掘图像中物体间的空间关系信息,难以精准捕捉不同物体间的相对位置、距离等空间特征.这使得模型在图像轮廓识别上精度欠佳,难以准确把握目标的动态变化.鉴于此,文章提出一种基于深度学习的动态识别算法研究.该方法先采用深度卷积神经网络(CNN)与循环神经网络(RNN)构建模型,提取车载视频图像的空间与时序特征.然后融合深层语义与浅层细节信息,增强检测性能,实现实时目标检测与跟踪.最后引入图与通道注意力模块,提升复杂环境下空间特征提取和动作特征表示能力,实现视频图像动态识别.对比实验表明,新算法在车载视频图像动态识别方面表现出较高的准确性,显著提升了车辆行驶的安全性和智能化水平,为车载视频图像动态识别提供了有效的技术手段,具有重要的理论意义和实际应用价值.
关键词：深度学习车载视频视频图像特征融合动态识别
资助基金：教育部供需对接就业育人项目(2023122163922)郑州工业应用技术学院省级工程技术研究中心开放课题支持项目(ETRC-240103)
论文发表日期：2025-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 51-54 )