【摘要】：隨著社會經(jīng)濟(jì)和信息技術(shù)的發(fā)展,道路交通壓力的增大使得對于智能交通網(wǎng)絡(luò)的需求越來越迫切。對于機(jī)動車輛行駛狀態(tài)的測量是智能交通網(wǎng)絡(luò)非常重要和基本的功能之一。目前常用的雷達(dá)測速、地感線圈測速等方式或多或少地存在測速角度限制多、安裝施工復(fù)雜、成本高、不能多目標(biāo)同時測速等問題。通過分析對比傳統(tǒng)測速技術(shù)的不足,本文提出了一種基于立體視覺的車速測量系統(tǒng)。通過一個標(biāo)定過的雙目立體視覺系統(tǒng)捕獲兩路存在一定視差的視頻,利用一個優(yōu)化的SSD網(wǎng)絡(luò)在捕獲的兩路視頻中檢測車牌,對檢測到的車牌目標(biāo)進(jìn)行跟蹤和立體匹配,以快速提取立體匹配點對,再利用標(biāo)定參數(shù)計算出準(zhǔn)確的立體匹配點對所對應(yīng)的空間點的三維坐標(biāo)。最后,根據(jù)車輛在一定時間內(nèi)通過的距離來測量車速。車輛移動方向則通過描述跨多個幀連接選定的三維點來實現(xiàn)。該系統(tǒng)實現(xiàn)了非侵入式和不可探測的車輛運(yùn)行狀態(tài)測量,克服了多車道多車同時在不同方向、不同運(yùn)動狀態(tài)下的測速難題。該系統(tǒng)在五種不同的實際情況下進(jìn)行了測試,通過專業(yè)的衛(wèi)星測速儀獲取相關(guān)的真實速度。測得的速度誤差范圍為[-1.6,+1.1]km/h,最大誤差率為3.80%,符合中國國家標(biāo)準(zhǔn)GB/T 21555-2007中誤差低于6%的應(yīng)用要求。實驗結(jié)果表明,該方法具有較高的精度和有效性。此外,為了解決越來越多的監(jiān)控設(shè)備以及越來越高的監(jiān)控設(shè)備分辨率帶來的視頻處理、傳輸和儲存壓力,提高監(jiān)控視頻的壓縮速率,本文還提出一種將人物和車輛作為感興趣目標(biāo)區(qū)域,在HEVC視頻編碼標(biāo)準(zhǔn)下針對感興趣區(qū)域的CU劃分優(yōu)化策略,在保證視頻主要內(nèi)容質(zhì)量的同時,大幅節(jié)省了壓縮時間。
【學(xué)位授予單位】：中原工學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;U495
【圖文】：

Ｒ－ＣＮＮ的檢測效果要比滑動窗口等傳統(tǒng)方法更快速、更準(zhǔn)確。逡逑最后，為了提高目標(biāo)定位的準(zhǔn)確性，Ｒ－ＣＮＮ還加入了一個邊界回歸模型，逡逑利用全連接層的線性回歸器，用以對目標(biāo)檢測的邊界框進(jìn)行回歸。如圖２．１所示，逡逑綠色候選框包含了整個車輛目標(biāo)，但是明顯過大，包含了部分背景區(qū)域，再利用逡逑邊界回歸模型逐步回歸到較為貼近目標(biāo)邊沿橙色框位置。逡逑：二逡逑圖２．１邊界回歸示意圖逡逑經(jīng)過上述多個步驟的提取、分類、回歸操作，使得Ｒ－ＣＮＮ網(wǎng)絡(luò)具有很好的逡逑特征檢測、提取和分類的能力。但是，也存在一些問題：１）多候選區(qū)域?qū)?yīng)的逡逑原始圖像需要預(yù)先提取，對數(shù)據(jù)儲存資源占用較大；２）傳統(tǒng)ＣＮＮ網(wǎng)絡(luò)需要輸入逡逑尺寸固定的圖像，歸一化操作則會產(chǎn)生物體截斷或拉伸，這將導(dǎo)致部分輸入特征逡逑信息丟失；３）每一個候選區(qū)域都需要進(jìn)入ＣＮＮ網(wǎng)絡(luò)計算，這上千個區(qū)域之間存逡逑在大量重疊范圍，對這些重復(fù)特征的提

＿｝邐１邐（回歸器）逡逑圖２．２邋Ｆａｓｔ邋Ｒ－ＣＮＮ網(wǎng)絡(luò)結(jié)構(gòu)圖逡逑由圖２．２可以看出，與Ｒ－ＣＮＮ框架對比，ＦａｓｔＲ－ＣＮＮ在結(jié)構(gòu)上主要進(jìn)行了逡逑兩處修改：１）在最后一個卷積層之后添加了邋ＲＯＩ池化層；２）使用多任務(wù)損失函逡逑數(shù)作為損失函數(shù)，在ＣＮＮ網(wǎng)絡(luò)中直接加入邊界回歸進(jìn)行訓(xùn)練：逡逑（１）邋ＲＯＩ池化層實際是ＳＰＰ－ＮＥＴ網(wǎng)絡(luò)的一個精簡版，ＳＰＰ－ＮＥＴ對每個候選區(qū)逡逑使用了大小不同的金字塔映射，而ＲＯＩ池化層只需要一個下采樣到７ｘ７分辨率逡逑的特征圖，應(yīng)用ＲＯＩ池化將不同大小的ＲＯＩ轉(zhuǎn)換為固定大小。對于ＶＧＧ１６網(wǎng)絡(luò)逡逑卷積層ｃｏｎｖ５＿３有５１２個特征圖，這樣所有候選區(qū)域就各自對應(yīng)了一個７ｘ７ｘ５１２逡逑維度的特征向量

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 宋曉煒;楊蕾;吳源昭;楊滿意;劉洲峰;;基于雙目會聚型立體攝像機(jī)的目標(biāo)深度測量[J];激光與紅外;2015年07期

2 王笑京;沈鴻飛;汪林;;中國智能交通系統(tǒng)發(fā)展戰(zhàn)略研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2006年04期

本文編號：2733115