.png){kind=icon}
返回
Efficient car theft detection using multi-model human detection and adaptive voting deep transfer learning methods
.png){kind=icon}
PRE
AI
DOI：10.1007/s00500-026-11429-1.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
车辆盗窃仍是一个重大的安全挑战，需要创新且自动化的检测方法。本研究介绍了一个结合视频分析和深度学习的先进系统，以提升防盗预防的准确性。研究主要贡献有三点：首先，创建了一个专用的真实世界车辆盗窃数据集；其次，采用具有最大交集策略的多模型人体检测来精确识别感兴趣区域（ROI）；第三，开发了一种自适应投票深度迁移学习架构，用于可靠图像分类。通过克服复杂监控环境中单模型检测的局限性，该混合方法实现了99.48%的准确率。评估结果表明，该方法显著优于传统深度学习模型，成为实时安全监控的高可靠性工具。
Keyword:
Car theft detection
Convolutional neural networks (CNN)
Deep transfer learning
ROI extraction
Adaptive voting classifier
Ensemble learning
期刊
IF:
2.5
论文数:
1.0W
被引数:
2.1W
机构
暂无机构信息
引用论文
分享收藏Vehicle theft recognition from surveillance video based on spatiotemporal attention基于时空注意力的监控视频车辆被盗识别.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容