目前,全球各國對智慧城市的建設(shè)越來越重視,而城市管理系統(tǒng)是智慧城市建設(shè)的關(guān)鍵一步。在國內(nèi),一些城市已將城市管理系統(tǒng)應(yīng)用于城市管理中,但均是依靠專人對案件進行識別、派發(fā)和處理。這使系統(tǒng)運行效率低下同時還浪費了大量的財力物力。因此,針對這一問題,本文深入研究了城市管理案件視頻圖像目標(biāo)檢測算法,并進一步將目標(biāo)檢測算法融入到城市管理系統(tǒng)中自動識別案件類型,提高城市管理系統(tǒng)的智能化水平,促進城市管理工作高效化。具體的研究內(nèi)容如下:1)提出了一種車輛違章檢測算法,實現(xiàn)機動車和非機動車亂停違章案件的檢測,提高了此類案件識別的穩(wěn)定性。該方法采用同態(tài)濾波對樣本進行預(yù)處理消除了光照等環(huán)境因素對識別結(jié)果的影響,接著對樣本進行ZCA白化處理減少數(shù)據(jù)間的關(guān)聯(lián)性,并利用改進的卷積神經(jīng)網(wǎng)絡(luò)提取樣本特征,然后將提取的樣本特征送入檢測網(wǎng)絡(luò)中進行檢測;最后采用跟蹤和運動分析來判斷感興趣區(qū)域（ROI）中的非法車輛。通過與Faster R-CNN、SSD、YOLO進行比較,驗證該方法的有效性。實驗結(jié)果表明,該方法具有更強的魯棒性、更高的檢測精度。2)提出了一種基于改進的卷積神經(jīng)網(wǎng)絡(luò)的城管案件識別算法,并針對亂涂寫亂貼張、非機... 

【文章來源】：桂林電子科技大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

YOLO訓(xùn)練框架

城市管理案件圖像目標(biāo)檢測算法研究§2.3.2 YOLO 檢測算法模型YOLO 是一種檢測速度大小為 45FPS 的目標(biāo)檢測算法，該算法把目標(biāo)檢測過和目標(biāo)識別過程融合在一起。YOLO 的思想是輸入為一整張圖片，然后直接回歸出多位置包含的目標(biāo)信息，包括目標(biāo)邊界框和目標(biāo)所屬的類別�；谡w回歸的 YO算法的具體實現(xiàn)步驟如表 2-2 所示：表 2-2 YOLO 模型檢測步驟YOLO 模型：步驟 1：輸入一張圖片，將其縮放為 448×448 的大小，并將其分為 7*7 的小格子。步驟 2：對于劃分的 49 個網(wǎng)格，每個網(wǎng)格預(yù)測出兩個邊界框，其包含的信息為待檢測目標(biāo)物的置信度和邊界寬在多個類別上的概率。步驟 3：對置信度卡閾值，得到需要檢測的目標(biāo)的所屬類別和目標(biāo)的位置步驟 4：通過 NMS，即非最大抑制法來篩選得到的目標(biāo)位置與類別，將冗余的窗口去除掉

圖 3-3 密集式連接方式第 N 層的輸入為 Xn，則： n n 0, 1,...., n1X K X X X 其中[]代表 concatenation(拼接),既將 X0到 Xn-1層的所有輸出特征圖按 Cha一起。這里所用到的非線性變換 K 為 BN+ReLU+Conv(3×3)的組合，并且特征圖進行 cat 操作。2、每個卷積層后面加入 Dropblock。Dropblock 是對卷積層正則化，防止則化。 控制要丟棄的激活單元的數(shù)量 keep _prob是傳統(tǒng) dropout 中單元率。公式如下22 21- _ _=_ ( _ _ 1)keep prob feat sizeblock size feat size block size 其中有效種子區(qū)域的大小是 2feat _ size block _ size 1， feat _size 是特，block_size是要丟棄的block 的大小，將 keep _prob的值定位 0.75 到 0.95 后根據(jù)上述公式計算 γ 的值。Dropblock 與 Dropout 處理圖像如下：

【參考文獻】：
期刊論文
[1]視覺圖像與檢測技術(shù)相結(jié)合 共創(chuàng)人工智能發(fā)展新視角[J]. 于洋.  電子測量與儀器學(xué)報. 2017(06)
[2]面向智慧城市的大數(shù)據(jù)開放共享平臺的設(shè)計與實現(xiàn)[J]. 孫傲冰,季統(tǒng)凱,伍小強.  計算機應(yīng)用. 2017(S1)
[3]基于Otsu閾值和水平集算法的非接觸指紋背景分割研究[J]. 李永.  計算機與數(shù)字工程. 2017(02)
[4]《關(guān)于深入推進城市執(zhí)法體制改革 改進城市管理工作的指導(dǎo)意見》問答[J]. 遼信.  共產(chǎn)黨員. 2016(08)
[5]融合多特征的禁停區(qū)域車輛檢測方法[J]. 穆春陽,馬行,張盼盼.  科技視界. 2015(24)
[6]一種電力電纜的隨機電熱退化模型（英文）[J]. Swati Sachan,Rui Wen,Yong Xiang,Leiming Yao,Chengke Zhou.  高電壓技術(shù). 2015(04)
[7]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學(xué)報. 2015(06)
[8]以數(shù)據(jù)為中心的智慧城市研究綜述[J]. 王靜遠(yuǎn),李超,熊璋,單志廣.  計算機研究與發(fā)展. 2014(02)
[9]基于灰度變化后閾值分割的絲帶檢測[J]. 楊永杰,陳香,唐鈺婷,包志華.  絲綢. 2013(09)
[10]基于圖像信噪比選擇優(yōu)化高斯濾波尺度[J]. 王文遠(yuǎn).  電子與信息學(xué)報. 2009(10)



本文編號：3011122