由于遥感的主要进展、通信、计算、连接和自动车辆(CAV)技术已迅速发展背后的强大动力的智能交通系统(ITS)。先进的视觉分析技术基于相机/雷达/激光雷达/红外传感跨越计算机视觉、图像/视频分析,机器学习,骑兵技术等已成为不可或缺的工具,特别是对于提高车辆在交通安全自主运行,主要是基于三个主要组件(即。、环境、车辆和driver-EVD)整体驾驶的上下文。

更具体地说,先进的视觉分析可以推断出动态环境场景外的车辆,如巷道情况和天气条件下,行人和其他车辆移动轨迹,以及交通信号灯/迹象等。先进的视觉分析还可以提高车辆的检测精度的驾驶状态,如振动、速度、加速度,和急转弯。此外,先进的视觉不干扰分析可以作为监测司机上需要安全的环境。各种事件的复杂动力学和各种“EVD”系统组件的交互影响整体驾驶的安全性和舒适性,以及交通流的状况。实时感知和动态响应的系统组件可以主动导致更好的驾驶安全系统和驾驶经验,可以准确,可靠,快速识别会导致事故的条件,迫使纠正措施,事故是可以预防的。

这个特殊问题的目标是分享新的先进的可视化分析技术,提出了挑战,为骑士提供全面的评论。更具体地说,这个特殊的问题关注集成先进的视觉分析的先进的研究技术,可有效地应用于车辆和司机传感、道路和行人监控、数据融合分析、校正和反应,等。经过几次迭代的审查过程中,五个论文接受这个特殊的问题,涵盖了视觉跟踪视觉分析技术的进步,场景理解、车道检测、车辆分类和功率控制等。

更具体地说,这篇论文题为“健壮的视觉跟踪与歧视字典学习”提出了一个有效的跟踪算法基于歧视学习词典。基于学习字典,目标候选人被追踪,可以得到一个更稳定的表现。此外,观察可能是评估基于重建误差和字典系数。论文题为“场景理解基于高阶势和生成对抗网络”提出了一个场景理解框架基于生成敌对的网络(GAN)实现一个完全卷积语义分割模型。采用高阶势实现的细节和一致性语义图像分割。这篇论文题为“车道检测基于连接的各种特征提取方法”提出了一种新的预处理和ROI选择车道检测方法。首先,在预处理阶段,RGB颜色空间转换到HSV颜色空间和白色HSV模型也提取特征。同时,初步边缘特征检测添加在预处理阶段,然后选择下面的部分图像ROI区域的基础上,提出了预处理。本文题为“Pretraining卷积神经网络基于图像的车辆分类”提出了卷积神经网络(CNN)的基于图像的车辆分类四类,包括摩托车、运输机和乘客。介绍了一种无监督pretraining方法初始化CNN参数更好的分类性能。 Finally, the paper entitled “A Power Control Algorithm Based on Outage Probability Awareness in Vehicular Ad Hoc Networks” addresses a power control algorithm to overcome the problems of random mobility of nodes, interference in multiusers, and high outage probability. The proposed power control method aims at minimizing the outage probability, taking advantage of available cumulative interference at the transmitter of each terminal. Furthermore, the interference model is built by a stochastic geometric theory, from which the expression between outage probability and cumulative interference can be derived.

我们总结介绍这个特殊的问题,选择的5个文件的内容,我们非常感谢所有作者对他们有价值的贡献。我们也表达我们深深的感谢所有审阅人员的及时和深刻的评论所有提交的论文。我们真诚期望这个特殊问题的内容从各方面的信息和有用的连接和自动车辆(CAV)技术。