【摘要】：隨著我國的經(jīng)濟水平不斷提高,我國的汽車保有量和電動車的保有量也在猛增,汽車和電動車在給居民帶來便利的同時,交通事故也在不斷增長。針對我國存在的行人和電動摩托車駕駛員在交通事故中死亡率較高的現(xiàn)狀下開展行人和電動摩托車實時性識別研究,對于降低死亡率和提高出行安全具有非常重要的實際意義。通過調(diào)查和對比,本文提出采用YOLOV3網(wǎng)絡(luò)對電動摩托車進行識別、基于緊急剎車區(qū)域的電動摩托車和行人的位置判斷的檢測思想,主要的研究內(nèi)容:首先分析了在目標檢測中處理效果比較好的基于CNN的卷積神經(jīng)網(wǎng)絡(luò),根據(jù)本文的識別對象的要求選用了識別精度高、對于小目標識別好和處理速度快的YOLOV3網(wǎng)絡(luò)。然后根據(jù)本文的研究內(nèi)容:行人和電動摩托車識別研究設(shè)定本文數(shù)據(jù)集收集對象。為能夠讓數(shù)據(jù)集更為豐富本文選擇不同地點和不同時間進行視頻采集,然后把視頻轉(zhuǎn)為圖片,經(jīng)過對圖片進行篩選共收集照片54211張。最后根據(jù)本文訓練環(huán)境和識別要求對軟硬件進行配置,配置好的YOLOV3網(wǎng)絡(luò)經(jīng)過40000步訓練,平均loss達到0.042549,訓練結(jié)果達到要求。最后本文選定車速為20km/h和40km/h為實驗車速,根據(jù)車速和剎車距離設(shè)定本文的危險區(qū)域、警示區(qū)域和安全區(qū)域。然后對1080P行車記錄儀視頻中的行人和電動摩托車進行判別,再根據(jù)電動摩托車和行人所在的區(qū)域來判斷電動摩托車和行人是否會與該車輛發(fā)生碰撞。通過對視頻中的行人和電動摩托車的識別率、漏檢率、誤檢率進行統(tǒng)計,本文訓練的網(wǎng)絡(luò)能夠準確、有效識別行人和電動摩托車,在警示區(qū)域準確率最低為95.7%,位置判斷準確;處理速度在25FPS左右,與實時性(30FPS)相差不大,滿足實時性要求,達到本文的目的。
【圖文】：

第一章 緒論第一章 緒論研究背景大的汽車保有量和飛速增長的電動自行車車是居民出行必不可少的交通工具，，在很大程度上方便人類的出行和交通汽車保有量在 2018 年第一次超過 2 億輛，按照 14 億人口計算，平均每 輛小汽車。2019 年 1 月 11 日公安部發(fā)布，2018 年全國新注冊登記機動我國汽車保有量在 2018 年底達到 2.4 億輛，比去年增加 2285 萬輛，增長近五年小型載客汽車和私家車保有量情況，如圖 1.1 所示。

圖 1.2 交通事故死亡人數(shù)構(gòu)成的電動自行車主要有兩種類型:傳統(tǒng)自行車型和摩托象嚴重。由于現(xiàn)行法律法規(guī)對其管理不規(guī)范不全面章問題突出，主要包括逆向行駛、占道行駛、搶行這些違章現(xiàn)象不僅造成交通秩序紊亂而且嚴重威脅道路交通事故頻發(fā)[6-7]，圖 1.3 為工信部統(tǒng)計的 201
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U495

【參考文獻】

相關(guān)期刊論文 前5條

1 許芳芳;;用Ubuntu系統(tǒng)搭建Moodle平臺[J];中國教育技術(shù)裝備;2014年13期

2 吳杰;鳳爾文;唐偉;;基于計算機視覺的排爆機器人設(shè)計[J];南京工程學院學報(自然科學版);2012年01期

3 矣昕寶;全海燕;許伶俐;;一種基于OpenCV的多扇區(qū)圓檢測方法[J];科學技術(shù)與工程;2011年16期

4 鄒修國;;論壇型網(wǎng)站的恢復[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2010年12期

5 楊棟青;褚寶增;;CUDA技術(shù)在視頻壓縮中的應用[J];硅谷;2009年17期

本文編號：2645405