隨著生活水平和消費(fèi)水平的提高,高速公路運(yùn)輸量與日俱增,保障運(yùn)輸過程中的人員和貨物安全成為提高運(yùn)輸效率的重要環(huán)節(jié)。運(yùn)輸過程中突發(fā)氣象災(zāi)害、車輛故障或路面坍塌等情況,都會(huì)威脅人員和貨物的安全。針對(duì)上述問題,在事故發(fā)生之后立即獲得救助及將事故詳細(xì)信息分享給周圍駕駛員以避免二次事故的發(fā)生成為解決上述問題的關(guān)鍵。本文通過對(duì)目標(biāo)檢測(cè)技術(shù)的應(yīng)用研究及軟件工程開發(fā)方法的應(yīng)用實(shí)踐,將目標(biāo)檢測(cè)技術(shù)與安卓技術(shù)相結(jié)合,訓(xùn)練出準(zhǔn)確率達(dá)到90.04%,fps達(dá)到30的交警目標(biāo)檢測(cè)模型,設(shè)計(jì)出一套既能及時(shí)求助又能實(shí)時(shí)分享相關(guān)事故信息的解決方案,并在此基礎(chǔ)上結(jié)合貨車駕駛員運(yùn)輸過程中導(dǎo)航、查看天氣等需求,開發(fā)出一個(gè)不僅能滿足貨車駕駛員日常使用需求,同時(shí)又能在突發(fā)嚴(yán)重事故時(shí)有效發(fā)起求助的看路系統(tǒng)。為保證該系統(tǒng)的高效準(zhǔn)確性,本文又引入了經(jīng)驗(yàn)值策略及后臺(tái)管理模塊,以解決系統(tǒng)使用過程中信息冗余、信息過期、信息不準(zhǔn)確等問題。系統(tǒng)測(cè)試結(jié)果表明,通過使用本文的看路系統(tǒng),不僅能有效解決運(yùn)輸途中的各種突發(fā)情況,而且提高了公路運(yùn)輸效率,保障了貨車司機(jī)的人身及財(cái)產(chǎn)安全。 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

FCN模型

（1）網(wǎng)絡(luò)結(jié)構(gòu)YOLO v3 使用 Darknet-53[41]作為特征提取[43]網(wǎng)絡(luò)，并在此基礎(chǔ)上增加了部分網(wǎng)絡(luò)結(jié)構(gòu)用于特征交互，網(wǎng)絡(luò)結(jié)構(gòu)如圖 3-2 所示:圖 3-1 YOLO v3 算法示意圖Figure 3-1 YOLO v3 algorithm sketch

13YOLO v3 一共有 106 層，在第 0 層到 74 層中，一共有 53 個(gè) CONV 層，22ES 層，這就是 YOLO v3 使用的 Darknet-53 來(lái)作為 backbone。該網(wǎng)絡(luò)結(jié)構(gòu)使系列的 3×3 大小的卷積核，這能使網(wǎng)絡(luò)更好地提取圖片特征，同時(shí)又在使用的卷積核的卷積層之間使用 1×1 的卷積核，在不影響網(wǎng)絡(luò)性能的前提下顯著網(wǎng)絡(luò)規(guī)模，降低計(jì)算成本。除去 81，93 和 106 層的 CONV 層，其余的 CONV都有批歸一化[44]操作（BN）及 Leaky ReLU。批歸一化操作不僅可以加快模圖 3-2 YOLO v3 網(wǎng)絡(luò)結(jié)構(gòu)圖Figure 3-2 YOLO v3 network structure diagram

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的非極大值抑制算法的目標(biāo)檢測(cè)[J]. 趙文清,嚴(yán)海,邵緒強(qiáng).  中國(guó)圖象圖形學(xué)報(bào). 2018(11)
[2]基于遷移學(xué)習(xí)的多標(biāo)簽圖像標(biāo)注[J]. 秦瑩華,李菲菲,陳虬.  電子科技. 2018(08)
[3]一種基于Android平臺(tái)與百度地圖API的旅游助手[J]. 匡劍波,任昱果,黃曉洋.  科技風(fēng). 2018(21)
[4]自歸一化卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法[J]. 邱爽,聶仁燦,周冬明,李興葉.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[5]目標(biāo)檢測(cè)算法研究綜述[J]. 方路平,何杭江,周國(guó)民.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[6]關(guān)系型數(shù)據(jù)庫(kù)邏輯設(shè)計(jì)規(guī)范研究[J]. 陳英達(dá),黃巨濤,林強(qiáng),唐亮亮.  微型電腦應(yīng)用. 2018(06)
[7]智能交通系統(tǒng)的現(xiàn)狀與發(fā)展[J]. 蘇莞茹.  價(jià)值工程. 2018(18)
[8]軟件測(cè)試用例的設(shè)計(jì)方法[J]. 張倩倩,趙星漢,高湘飛.  電子技術(shù)與軟件工程. 2018(11)
[9]基于地理位置的移動(dòng)社交平臺(tái)現(xiàn)狀分析[J]. 楊堅(jiān)宇.  山西科技. 2018(03)
[10]Linux Kernel Data Races in Recent 5 Years[J]. SHI Jianjun,JI Weixing,WANG Yizhuo,HUANG Lifu,GUO Yunkun,SHI Feng.  Chinese Journal of Electronics. 2018(03)

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的小目標(biāo)檢測(cè)[D]. 郭之先.南昌航空大學(xué) 2018
[2]基于典型相關(guān)分析的特征提取與應(yīng)用[D]. 許潔.江南大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的多部位人體檢測(cè)[D]. 張恒瑜.北京工業(yè)大學(xué) 2016
[4]前景提取算法的研究與改進(jìn)[D]. 王培.西安電子科技大學(xué) 2011



本文編號(hào)：2899098