{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,24]]，“日期-时间”：“2024-05-24T17:32:25Z”，“时间戳”：1716571945409}，“引用-计数”：61，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{-“日期-零件”：[2020,12,1]]，”日期-时间“2020-12-01T00:00Z“，”timestamp“：1606780800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”未来一代计算机系统“]，“published-print”：{“date-parts”：[2020,12]}，”DOI“：”10.1016\/j.Future.2020.07.025“，”类型“：“journal-article”，“created”：{“date-parts”：[[2020,7,16]]，“date-time”：“2020-07-16T02:03:18Z”，“timestamp”：1594864998000}，“page”：“506-527”，“update-policy”：”http:\\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“Crossref”，“is-referenced-by-count”：19，“title”：[“协作智能交通系统的新型多视图行人检测数据库”]，“前缀”：“10.1016”，“卷”：“113”，“作者”：[{“给定”：“Anouar”，“家族”：“Ben Khalifa”，”sequence“：”first“，”affiliation“：[]}，{“given”：“Ihsen”，“family”：“Alouani”，“sequence”：“additional”，“affiliance”：[]{“已知”：“穆罕默德·阿里”，“家庭”：“Mahjoub”、“sequence”：“additional”，“affiliation”：[]}，{“given”：“Atika”，“family”：“Rivenq”，“sequences”：“附加”，“从属关系”：[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.future.2020.07.025_b1“，”doi-asserted-by“：”crossref“，”first page“：”144“，“doi”：“10.1016\/j.trc.2018.12.004”，“article-title”：“通过深度学习增强交通系统：一项调查”，“卷”：“99”，“作者”：“王”，“年份”：“2019”，“期刊标题”：“Transp.Res.C”}，{“key”：“10.1016\/j.future.20207.025_b2”，“doi asserted by”：“crossref”，“首页”：“2019”，“doi”：“10.1016\/j.future.202018.10.047”，“文章标题”：“基于机器学习的车载基础设施通信优化”，“卷”：“94”，“作者”：“祥”，“年份”：“2019”，“日志标题”：“未来通用计算系统”}，{“键”：“10.1016\/j.Future.2020.07.025_b3”，“doi-asserted-by”：“crossref”，“首页”：“17”，“doi”：“1016\/j.neucom.2018.01.092”，“文章标题”：“用于行人检测和跟踪的计算机视觉和深度学习技术：调查”，“卷”：“300”，“作者”：“布鲁内蒂”，“年份”：“2018年”，“新闻标题”：“神经计算”}，{“关键”：“10.1016\/j.future.2020.07.025_b4”，“doi-asserted-by”：“crossref”，“首页”：“2019”，“doi”：“101016\/j.furte.2018.01.050”，“article-title”：“使用立体图像处理实现安全驾驶距离的协作方法”，“volume”：“95”，“author”：“Olaverri-Monreal”，“year”：“2019”，“journal-title”：“Future-Gener.Comput.Syst.”}，{“key”：”10.1016\/j.Future.2020.07.025_b5“，“doi-asserted-by”：“crossref”，“first-page”：“2245”，“doi”：“10.1016\\j.trpro.2016.05.240”，“article-title“：“用于改善道路环境的高级驾驶员辅助系统，以提高安全性和效率”，“卷”：“14”，“作者”：“Jim\u00e9nez”，“年份”：“2016年”，“日志标题”：“运输研究程序”}，{“键”：“10.1016\/j.future.2020.07.025_b6”，“doi-asserted-by”：“crossref”，“首页”：“313”，“doi”：“1016\/j.trc.2019.01.26”，”，“文章标题”：“联网和自动化车辆的城市交通信号控制：调查”，“卷”：“101”，“作者”：“Guo”，“年份”：“2019”，“期刊标题”：“Transp.Res.C”｝，｛“密钥”：“10.1016\/j.future.202.00.07.025_b7”，“文章标题”：“使用移动摄像机进行行人检测：前景检测的新框架”，“作者”：“Khalifa”，“年份”：“2019”，“journal-title”：“Cog.Syst.Res.”}，{“issue”：“4”，“key”：“10.1016\/j.future.2020.07.025_b8”，“doi-asserted-by”：“crossref”，“first page”：”560“，“doi”：“10.3390\/electronics9040560”，“article-title“：”OLIMP：高级环境感知的异构多模态数据集“，”volume“：”9“，”author“：”Mimouna“，”year“：”2020“，“jornal-title:”电子“}，{“key”：“10.1016\/j.future.2020.07.025_b9”，“doi-asserted-by”：“crossref”，“首页”：“384”，“doi”：“101016\/j.trc.2018.02.012”，“article-title”：“自动车辆感知：今天和明天的技术”，“volume”：”89“，”author：“Brummelen”，”year“：”2018“，”journal-title“：”Transp.Res.C 25_b10英寸，“doi-asserted-by”：“crossref”，“unstructured”：“M.Goldhammer，E.Strigel，D.Meissner，U.Brunsmann，K.Doll，K。Dietmayer，《十字路口交通安全应用的合作多传感器网络》，载于：2012年第15届IEEE智能交通系统国际会议，安克雷奇，阿拉斯加州，2012年，第1178\u20131183页，http://\/dx.doi.org\/10.109\/ITSC.2012.6338672.“，”doi“：”10.1109\/ITSC.2012.6338872“}，{“key”：“10.1016\/j.future.2020.07.025_b11”，“第一页“：”64“，”文章标题“：”从流动性和环境角度回顾跨车通信的地理转发策略“，”卷“：”14“，”作者“：”韩氏“，”年份“：”2018“，”新闻标题“：“Veh。Commun公司。“}，{”key“：”10.1016\/j.future.2020.07.025_b12“，”doi-asserted-by“：”crossref“，”unstructured“：”S.Vishnu，U.Ramanadhan，N.Vasudevan，A。Ramachandran，《使用视频处理和车对基础设施通信避免车辆碰撞》，载于：互联车辆和博览会国际会议，ICCVE，深圳，2015年，第387\u2013388页，http://\/dx.doi.org\/10.109\/ICCVE.2015.36.“，“doi”：“10.1109\/ICCFE.2015.36”}，{“key”：“101016\/j.future.2020.07.025_b13”doi-asserted-by“：”crossref“，”first page“：”1148“，”doi“：”10.3390\/s12001148“，”article-title“：”I2V通信系统支持的基于视觉的完整交通标志识别“，”volume“：“12”，”author“：”Garc\u00eda-Garrido“，“year”：“2012”，“journal-title”：“Sensors”}，{“key”：“10.1016\/j.future.2020.07.025_b14”，”doi-assert-by“，”非结构化”：“I.Jegham，Anouar\u00a0Ben Khalifa，I.Alouani，M.A.Mahjoub，《安全驾驶：使用SURF关键点识别驾驶员行为》，摘自：第30届微电子国际会议，ICM，Sousse，突尼斯，2018年，第60\u201363页，http://\/dx.doi.org\/10.109\/ICM.2018.8704009.”，“doi”：“10.1109\/IM.2018.8704009”}，{“key”：“10.1016\/j.future.2020.07.025_b15“，“series-title”：“图像和模式的计算机分析”，“首页”：“518”，“article-title”：“MDAD:一个多模式和多视图的车内驾驶员动作数据集”，“卷”：“vol.11679”，“作者”：“Jegham”，“年份”：“2019”}，{“key”：”10.1016\/j.future.202.07.025_b16“，”doi-asserted-by“：”crossref“，“非结构化”：“N。Hautiere，A.Boubezoul，《用于广泛能见度范围监控的路边和车内传感器组合》，载于：2009年IEEE第六届高级视频和基于信号的监控国际会议，Genova，2009年，第388\u2013393页，http://dx.doi.org \/10.109\/AVSS.2009.64.“，“doi”：“10.1109\/AVSS.2009.64”}，{“key”：“10.1016\/j.future.2020.07.025_b17“，”doi-asserted-by“：”crossref“，”first page“：”466“，”doi“：”10.1016\/j.procs.2017.08.304“，”article-title“：”雾天条件下能见度范围估计的神经网络方法“，”volume“：“113”，”author“：”Chaabani“，”year“：”2017“，”journal-title”：“Procedia Compute。科学。“}，{”key“：”10.1016\/j.future.2020.07.025_b18“，”doi-asserted-by“：”crossref“，”unstructured“：”S.A.Taie，S。Taha，VANET的新型安全流量监控系统，载于：2017 IEEE普及计算和通信国际会议，PerCom Workshops，Kona，HI，2017，第176\u2013182页，http://\/dx.doi.org\/10.109\/PERCOMW.2017.7917553.“，”doi“：”10.1109\/PERCOMW.2017.8917553“}，{”key“：”101016\/j.future.2020.07.025_b19“，”doi-asserted-by“：”crossref“，”first page“：”407“，”doi“：”10.1016\/j.ijleo.2017.03.102“，”article-title“：”使用基于D-S理论的可信度图的基于车辆-基础结构的城市驾驶环境感知方法“，”volume“：“138”，”author“：”Zhao“，”year“：”2017“，”journal-title”：“Optik”}，{“key”：“10.1016\/j.future.2020.07.025_b20”，“doi-asserted-by“：”crossref“，”unstructured“：”I.Jegham，Anouar\u00a0Ben Khalifa，《使用移动摄像机在恶劣天气条件下检测行人》，收录于：IEEE\/ACS第十四届计算机系统和应用国际会议，AICCSA，2017年，第358\u2013362页，http://\/dx.doi.org\/10.109\/AICCSA.2017.35.“，“doi”：“10.1109\/AICSSA.2017.35”}，{“issue”：“5”，“key”：“10.1016\/j.future.200.07.025_b21”，“doi断言者”：“crossref”，“首页”：“789”，“doi”：“10.1049\/iet-its.2018.5258”，“文章标题”：“使用路边激光雷达跟踪和预测行人2019年过街意图的轨迹”，“卷”：“13”，“作者”：“Zhao”，“年份”：“2019”，“期刊标题”：“iet Intell”。运输。系统。“}，{”key“：”10.1016\/j.future.2020.07.025_b22“，”doi-asserted-by“：”crossref“，”unstructured“：”G.Al-refai，M.Horani，O.A。Rawashdeh，《使用车辆到基础设施通信改进行人检测候选生成的背景建模框架》，收录于：IEEE国际电子信息技术会议，EIT，密歇根州罗切斯特，2018年，第729\u2013735页，http://\/dx.doi.org\/10.109\/EIT.2018.8500138.“，“doi”：“10.1109\/EIT.2018.8500138“}，{“key”：“10.1016\/j.future.2020.07.025_b23”，“doi-asserted-by”：“crossref”，“unstructured”：“K。Chebli，Anouar\u00a0Ben Khalifa，基于背景补偿和块匹配算法的行人检测，收录于：2018年第15届国际系统、信号和设备多会议，SSD，Hammamet，2018年，第497\u2013501页，http://dx.doi.org\/10.109\/SSD.2018.8570499.“，“doi”：“10.1109\/SSD.2018.8570499”}，{“key”：“10.1016\/j.future.2020.07.025_b24“，“series-title”：“第一届ACM SIGMM视频监控国际研讨会”，“article-title”：“在未校准的摄像机流内和跨未校准的摄影机流的多视图跟踪”，“author”：“Kang”，“year”：“2003”}，{“key”：”10.1016\/j.future.202.07.025_b25“，”doi-asserted-by“：”crossref“，”unstructured“：”D.Varga，T.Szir\u00e1nyi，A。Kiss，L.Sp\u00f3r\u00e1s，L.Havasi，未校准摄像机网络中的多视角行人跟踪方法，收录于：2015 IEEE国际计算机视觉研讨会，ICCVW，圣地亚哥，2015年，第184\u2013191页，http://\/dx.doi.org\/10.109\/ICCVW.2015.3310.1016\/j.future.2020.07.025_b26“，”doi-asserted-by“：”crossref“，”first page“：”267“，”doi“：”10.1109\/TPAMI.2007.1174“，”article-title“：”多摄像机人员跟踪概率占用图“，”volume“：“30”，”author“：”Fleuret“，”year“：”2008“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.future.2020.07.025_b27“，”doi-asserted-by“：”crossref“，”unstructured“：”j.Ferryman，A.Shahrokni，PETS2009:数据集与挑战，收录于：第十二届IEEE跟踪与监视性能评估国际研讨会，斯诺比尔德，UT，2009，pp.1\u20136，http://\/dx.doi.org\/10.109\/PETS-WINTER.2009.5399556.“，”doi“：”10.1109\/PETS-WINTER.2009.5399556“}，{“key”：“10.1016\/j.future.2020.07.025_b28”，“doi-asserted-by”：“crossref”，“unstructured”：“Y.Xu，X.Liu，Y.Liu。朱，通过层次轨迹合成进行多视角人物跟踪，in：IEEE Conference on Computer Vision and Pattern Recognition，CVPR，内华达州拉斯维加斯，2016，pp.4256\u20134265，http://\/dx.doi.org\/10.1009\/CVPR.2016.461.“，”doi“：”10.1109\/CVPR.2016.461“}，{“key”：“10.1016\/j.future.2020.07.025_b29”，“doi-asserted-by”：“crossref”，“非结构化“：”T.Chavdarova，F.Fleuret，深度多摄像机人员检测，摘自：第16届IEEE机器学习和应用国际会议，ICMLA，坎昆，2017年，第848\u2013853页，http://\/dx.doi.org\/10.109\/IMCLA.2017.00-50.“，”doi“：”10.1109\/ICMLA.2017.0-50“}，{“key”：“10.1016\/j.future.2020.07.025_b30”，“series-title”：“欧洲计算机视觉会议”，“首页”：“17”，“article-title”：“多目标、多摄像机跟踪的性能度量和数据集”，“作者”：“Ristani”，“年份”：“2016”}，{“问题”：“4”，“键”：“10.1016\/j.future.2020.07.025_b31”，“doi-asserted-by”：“crossref”，“第一页”：规避机动辅助的网络化高速视觉”，“卷”：“3”，“作者”：“Hirano”，“年份”：“2017年”，“新闻标题”：“ICT Express”}，{“关键”：“10.1016\/j.future.2020.07.025_b32”，“doi-asserted-by”：“crossref”，“非结构化”：“T.Chavdarova，et al。WILDTRACK：用于密集非脚本行人检测的多摄像机HD数据集，收录于：2018 IEEE \/CVF计算机视觉和模式识别会议，犹他州盐湖城，2018年，第5030\u20135039页，http://\/dx.doi.org\/10.109\/CVPR.2018.00528.“，”doi“：”10.1109\/CVPR.2018.00528“}，{“key”：“10.1016\/j.future.2020.07.025_b33”，“series-title”：“语义驱动的多摄像机行人检测”，“author”：“L\u00f3pez-Cifuentes”，“year”：“2018”}，{“key”：“10.1016\/j.future.2020.07.025_b34”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Ess，B.Leibe，K.Schindler，L。Van \u00a0Gool，一种用于鲁棒多人跟踪的移动视觉系统，载于：IEEE计算机视觉和模式识别会议，阿拉斯加州安克雷奇，2008年，第1\u20138页，http:\/\/dx.doi.org/10.1109\/CVPR.2008.4587581.“，”doi“：”10.1109\/CVPR.2008.4587581“}，｛”issue“：”8“，”key“：”10.1016\/j.future.200.07.025_b35“，”doi断言“：”crossref“，”第一页“：“1707”，“DOI”：“10.1109\/TPAMI.2015.2496269”，“文章标题”：“SALSA：多模态群体行为分析的新数据集”，“卷”：“38”，“作者”：“Alameda-Pineda”，“年份”：“2016”，“期刊标题”：《IEEE Trans》。模式分析。机器。智力。“}，{”key“：”10.1016\/j.future.2020.07.025_b36“，”doi-asserted-by“：”crossref“，”unstructured“：”C.G.Keller，M.Enzweiler，D.M.Gavrila，基于立体视觉的行人检测新基准，收录于：2011 IEEE智能车辆研讨会（IV），巴登-巴登，2011，第691\u2013696页，http://\/dx.doi.org 10.1109\/IVS.2011.5940480.“，”doi“：”10.1109\/IVS.2011.5940480“}，{“key”：“10.1016\/j.future.2020.07.025_b37”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Geiger，P.Lenz，R.Urtasun，我们准备好自动驾驶了吗？”？KITTI视觉基准套件，收录于：2012年IEEE计算机视觉和模式识别会议，普罗维登斯，RI，2012年，第3354\u20133361页，http://\/dx.doi.org\/10.109\/CVPR.2012.6248074.“，”doi“：”10.1109\/CVPR.2012.62480 74“}，{“key”：“10.1016\/j.future.2020.07.025_b38”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Hwang，j.Park，N.Kim，Y。Choi，I.S.Kweon，《多光谱行人检测：基准数据集和基线》，载于：2015年IEEE计算机视觉和模式识别会议，美国马萨诸塞州波士顿，2015，第1037\u20131045页，http:\/\/dx.doi.org/10.1109\/CVPR.2015.7298706.“，”doi“：”10.1109\/CVPR.2015.7298706“}，｛“issue”：“6”，“key”：”10.1016\/j.future.200.07.025_b39“，”doi-asserted-by“：”crossref“，”first page“：”820“，”doi“：”10.3390\/s16060820“、”article-title“：”白天/晚上用可见光和冷杉相机检测行人：比较“，”volume“：“16”，”author“：”Gonz\u00e1lez“，”year“：”2016“，”journal-title”：“Sensors”}，{“key”：“10.1016\/j.future.2020.07.025_b40”，“doi-assert-by”：“crossreff”，“unstructured“：”P。Baqu\u00e9，F.Fleuret，P.Fua，用于多摄像机多目标检测的深度遮挡推理，收录于：2017 IEEE国际计算机视觉会议，ICCV，威尼斯，2017，第271\u2013279页，http://\/dx.doi.org\/10.109\/ICCV.2017.38.“，”doi“：”10.1109\/ICCV.2017.38“}，{“key”：“10.1016\/j.future.2020.07.025_b41”，“series-title”：“《英国机器视觉会议论文集》，“首页”：“73.1”，“article-title”：“多光谱深度神经网络行人检测”，“author”：“Liu”，“year”：“2016”}，{“key”：“10.1016\/j.future.2020.07.025_b42”，“doi-asserted-by”：“crossref”，“first page”：使用深度神经网络的无监督多光谱特征学习行人检测”，“卷”：“46”，“作者”：“Cao”，“年份”：“2019”，“新闻标题”：“Inf.Fusion”}，{“关键”：“10.1016\/j.future.2020.07.025_b43”，“doi-asserted-by”：“crossref”，“非结构化”：“D.K\u00f6nig，M.Adam，C.Jarvers，G.Layer，H.Neumann，M。Teutsch，多光谱人员检测的完全卷积区域提议网络，载于：2017 IEEE计算机视觉和模式识别研讨会会议，CVPRW，夏威夷州火奴鲁鲁，2017，第243\u2013250页，http://\/dx.doi.org\/10.109\/CVPRW.2017.36.“，”doi“：”10.1109\/CVPRV.2017.36“}，{“key”：“10.1016\/j.future.2020.07.025_b44”，“doi-asserted-by“：”crossref“，”first page“：”148“，“doi”：“10.1016\/j.inffus.2018.11.017”，“article-title”：“通过用于行人检测的光感知深层神经网络融合多光谱数据”，“volume”：“50”，“author”：“Guan”，“year”：“2019”，“journal-title“：”Inf.Fusion“}，{“key”：”10.1016\/j.future.2020.07.025_b45“，”doi-assert-by“crossref“，”first page“：”D108“，”DOI“：”10.1364\/AO.57.00D108”，”article-title“：”开发多光谱行人检测和分割的融合架构“，”volume“：“57”，”author“：”Guan“，”year“：”2018“，”journal-title”：“Appl。选择。“}，{”issue“：”8“，”key“：”10.1016\/j.future.2020.07.025_b46“，”doi-asserted-by“：”crossref“，”first page“：“1179”，“doi”：“10.1049\/iet-cvi.2018.5315”，“article-title”：“使用CNN进行多光谱行人检测的多层融合技术”，“volume”：“12”，“author”：“Chen”，“year”：“2018”，“journal-title“：”iet Compute.Vis.“}”，{“问题“：”9“，”密钥“：”10.1016\/j.future.2020.07.025_b47“，”doi-asserted-by“：”crossref“，”first page“：”1772“，”doi“：”10.1109\/TCSVT.2015.2475855“，”article-title“：”基于外观一致性的双目立体序列行人检测“，”volume“：“26”，”author“：”Zhang“，”year“：”2016“，”journal-title”：“IEEE Trans。电路系统。视频技术。“}，{”key“：”10.1016\/j.future.2020.07.025_b48“，”series-title“：”图像和模式的计算机分析“，”首页“：”62“，”article-title“：“监控视频中暴力检测的挑战和方法：调查”，“vol.11679”，“author”：“Lejmi”，“year”：“2019”}，“key”：“10.1016//j.futere.2020.07025_b49”，“series-ttle”：“”第13届IEEE自然计算、模糊系统和知识发现国际会议”，“首页”：“682”，“文章标题”：“视频序列中的事件检测：挑战和展望”，“作者”：“Lejmi”，“年份”：“2017年”}，{“关键”：“10.1016\/j.future.2020.07.025_b50”，“doi-asserted-by”：“crossref”，《首页》：“157”，”doi“：”10.1016\/j.cosrev.2018.03.001“，“article-title”：“运动摄像机捕获的视频图像中运动物体检测的新趋势：调查”，“卷”：“28”，“作者”：“亚兹迪”，“年份”：“2018”，“日志标题”：“比较”。科学。版本：“}，{”key“：”10.1016\/j.future.2020.07.025_b51“，”series-title“：”Computer Vision\u2013 ECCV 2010“，”article-title“：“使用多视图采样器进行人群检测”，“volume”：“vol.6315”，“author”：“Ge”，“year”：“2010”}，“key”：”10.116\/j.future.2020年7月25_b52“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.patcog.2018.0 3.007“，”文章标题“：”基于概率融合网络的统一多光谱行人检测”，“作者”：“公园”，“年份”：“2018年”，“新闻标题”：“模式识别”。“}，{”issue“：”9“，”key“：”10.1016\/j.future.2020.07.025_b53“，”doi-asserted-by“：”crossref“，”first page“：“2010”，“doi”：“10.1109\/TMM.2017.2708981”，“article-title”：“通过联合嵌入和稀疏优化的多视图监控视频摘要”，“volume”：“19”，“author”：“Panda”，“year”：“2017”，“journal-title“：”IEEE Trans.Multimed.“}”，{“key”：”10.1016\/j.future.200.07.025_b54”，“系列标题”：“神经信息处理系统的进展”，“文章标题”：“更快的R-CNN:使用区域建议网络实现实时对象检测”，“作者”：“Ren”，“年份”：“2015”}，｛“密钥”：“10.1016\/j.future.200.07.025_b55”，“doi断言”：“crossref”，“非结构化”：“j.Huang等人。现代卷积目标检测器的速度/精度权衡，见：IEEE计算机视觉和模式识别会议，CVPR，夏威夷州火奴鲁鲁，2017，3296\u20133297，http://\/dx.doi.org\/10.109\/CVPR.2017.351.“，”doi“：”10.1109\/CVPR.2017.351“}，{“key”：“10.1016\/j.future.2020.07.025_b56”，“doi-asserted-by”：“crossref”，“unstructured”：“N。Dalal，B.Triggs，人类检测定向梯度直方图，收录于：2005 IEEE计算机学会计算机视觉和模式识别会议，第1卷，CVPR\u201905，加利福尼亚州圣地亚哥，美国，2005，第886\u2013893页，http://\/dx.doi.org\/10.109\/CVPR.2005.177.“，”doi“：”10.1109\/CVPR.2005.177“}，{“问题”：“7”，“关键”：“10.1016\/j.future.2020.07.025_b57“，”doi-asserted-by“：”crossref“，”first page“：”971“，”doi“：”10.1109\/TPAMI.2002.1017623“，”article-title“：”具有局部二进制模式的多分辨率灰度和旋转不变纹理分类“，”volume“：“24”，”author“：”Ojala“，”year“：”2002“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.future.2020.07.025_b58“，”series-title“：”IEEE计算机视觉和模式识别会议论文集“，”首页“：”1363“，”article-title“：“人重新识别的层次高斯描述符”，“author”：“Matsukawa”，“year”：“2016”}，“issue”：“2”，“key”：“10.1016\/j.future.202.07.025_559”，“doi-asserted-by”：“”crossref“，”first page“：”319“，”DOI“：”10.1109\/TPAMI.2008.57“，”article-title“：”视频中人脸、文本和车辆检测与跟踪的性能评估框架：“数据、指标和协议”，“volume”：“31”，“author”：“Kasturi”，“year”：“2009”，“journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”issue“：”4“，”key“：”10.1016\/j.future.2020.07.025_b60“，”doi-asserted-by“：”crossref“，”first page“：“743”，“doi”：“10.1109\/TPAMI.2011.55”，“article-title”：“行人检测：最新技术的评估”，“volume”：“34”，“author”：“Dollar”，“year”：“2012”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}”，{“密钥”：“10.1016\/j.future.2020.07.025_b61“，“非结构化”：“Karen Simonyan，Andrew Zisserman，《用于大规模图像识别的深度卷积网络》，收录于：国际学习表征会议，2015年，第1\u201314页。”}]，“容器-时间”：[“未来一代计算机系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0167739X20300340？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0167739X20300340？httpAccept1=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended-application”：“text-mining”}]，”存放“：{“date-parts”：[2020,8,29]]，“date-time“：”2020-08-29T12:27:09Z“，”timestamp“：1598704029000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0167739X20300340”}}，“副标题”：[]，“短标题”：[]，“已发布”:{“date-parts”：[[2020,12]}、“references-count”：61，“alternative-id”：[“S0167739”X20300340“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.future.2020.07.025“，”关系“：{}，”ISSN“：[”0167-739X“]，”ISSN-type“：[{”value“：”0167739X“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2020,12]}，{“值”：“用于协作智能交通系统的新型多视图行人检测数据库“，”name“：”articletitle“，”label“：”Article Title“}，”{“value”：“Future Generation Computer Systems”，“name”：“journaltitle”，“label”：“Journal Title”}，{“value”：“https:\/\/doi.org\/101016\/j.Future.2020.07.025”，“名称”：“articlelink”，“标签”：“”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2020 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}