隨著國(guó)民經(jīng)濟(jì)水平的逐步提升,私有車數(shù)量的增長(zhǎng)為人們帶來(lái)了極大便利,同時(shí)也出現(xiàn)了交通擁堵等社會(huì)問(wèn)題,擁堵現(xiàn)象加劇使基于圖像處理的車輛排隊(duì)長(zhǎng)度檢測(cè)成為智能交通領(lǐng)域的重要研究?jī)?nèi)容,它能夠?qū)崟r(shí)、準(zhǔn)確地獲取道路上的排隊(duì)信息,對(duì)于緩解交通擁堵問(wèn)題具有重要意義。本文針對(duì)車輛排隊(duì)長(zhǎng)度檢測(cè)問(wèn)題,采用傳統(tǒng)圖像處理方法和基于深度學(xué)習(xí)的圖像處理方法,分別利用視頻和圖片,對(duì)車輛排隊(duì)長(zhǎng)度檢測(cè)進(jìn)行了研究。(1)構(gòu)建了一種基于特征點(diǎn)跟蹤的車輛排隊(duì)長(zhǎng)度檢測(cè)方法。首先通過(guò)自動(dòng)檢測(cè)車道線分離單個(gè)機(jī)動(dòng)車道作為興趣區(qū),之后在興趣區(qū)中對(duì)車輛特征點(diǎn)進(jìn)行軌跡跟蹤,利用軌跡信息判斷排隊(duì)隊(duì)列。最后經(jīng)過(guò)一種相機(jī)標(biāo)定算法,將隊(duì)列像素距離映射為實(shí)際空間距離,得到真實(shí)的排隊(duì)長(zhǎng)度。經(jīng)過(guò)實(shí)驗(yàn),該方法檢測(cè)精確率F1值為91.96%,150米內(nèi)平均誤差為5.17%。(2)構(gòu)建了一種基于深度學(xué)習(xí)目標(biāo)檢測(cè)的排隊(duì)長(zhǎng)度檢測(cè)方法。通過(guò)分析第一種方法中特征點(diǎn)檢測(cè)不準(zhǔn)確及跟蹤不穩(wěn)定的問(wèn)題,結(jié)合檢測(cè)性能更好的深度學(xué)習(xí)算法,以VGG16網(wǎng)絡(luò)模型為基礎(chǔ),在SSD框架上進(jìn)行了訓(xùn)練及測(cè)試,接著使用KCF算法對(duì)車輛目標(biāo)進(jìn)行跟蹤從而得到其運(yùn)動(dòng)狀態(tài)。最后根據(jù)目標(biāo)檢測(cè)的位置,在檢測(cè)框中進(jìn)行特征點(diǎn)檢測(cè),從而得到車輛排隊(duì)長(zhǎng)度,其中對(duì)隊(duì)尾為大型車輛的隊(duì)列長(zhǎng)度進(jìn)行了距離補(bǔ)償。對(duì)比實(shí)驗(yàn)證明,基于深度學(xué)習(xí)的方法與傳統(tǒng)方法相比F1值提高了3.76%,150米內(nèi)平均誤差減少了1.33%,且能夠得到隊(duì)列中的車輛個(gè)數(shù)。(3)構(gòu)建了一種基于深度學(xué)習(xí)圖像分割的排隊(duì)長(zhǎng)度檢測(cè)方法。對(duì)于車輛目標(biāo)檢測(cè)方法中存在的目標(biāo)遮擋導(dǎo)致精度下降的問(wèn)題,選擇了基于深度學(xué)習(xí)的圖像分割算法,通過(guò)對(duì)數(shù)據(jù)集的嚴(yán)格標(biāo)注,使用基于VGG16修改得到的全卷積網(wǎng)絡(luò)進(jìn)行車輛排隊(duì)隊(duì)列的分割。之后計(jì)算模型檢測(cè)結(jié)果中被標(biāo)記為隊(duì)列的像素長(zhǎng)度,再根據(jù)相機(jī)標(biāo)定得到實(shí)際排隊(duì)長(zhǎng)度。實(shí)驗(yàn)結(jié)果表明,其對(duì)隊(duì)列檢測(cè)的F1值為97.53%,150米內(nèi)的平均誤差為3.06%。相比于前兩種基于視頻的方法,圖像分割算法基于單張圖片進(jìn)行檢測(cè),對(duì)硬件及內(nèi)存的要求更小,應(yīng)用價(jià)值更大。
【學(xué)位單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U495;TP391.41
【部分圖文】：

018年第三季度全國(guó)擁堵情況排名

一維向量循環(huán)矩陣

二維圖像循環(huán)矩陣
【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 趙冉陽(yáng);張心言;吳志紅;;基于復(fù)式滑動(dòng)窗口的車輛排隊(duì)長(zhǎng)度檢測(cè)方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2015年11期

2 趙歡;;中國(guó)主要城市交通分析報(bào)告——市民躲避擁堵出行建議[J];時(shí)代汽車;2014年08期

3 侯禹騰;;數(shù)據(jù)增廣求解貝葉斯Logistic回歸模型的方法研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2014年15期

4 沈振乾;苗長(zhǎng)云;張芳;;基于視覺(jué)的路口車輛排隊(duì)長(zhǎng)度檢測(cè)方法[J];計(jì)算機(jī)工程;2014年04期

5 朱超軍;楊紅雨;劉東輝;李浩民;王世豪;;基于實(shí)時(shí)視頻圖像處理的車輛排隊(duì)長(zhǎng)度檢測(cè)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2014年04期

6 郭繼孚;劉瑩;余柳;;對(duì)中國(guó)大城市交通擁堵問(wèn)題的認(rèn)識(shí)[J];城市交通;2011年02期

7 楊永輝;黃磊;劉昌平;;基于視頻分析的車輛排隊(duì)長(zhǎng)度檢測(cè)[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

8 朱殿舉;;我國(guó)汽車分類標(biāo)準(zhǔn)[J];交通世界;1997年08期

本文編號(hào)：2878270