隨著汽車技術(shù)的發(fā)展,現(xiàn)在汽車對(duì)人們來說更加方便。然而,大多數(shù)交通事故是由于對(duì)周圍車輛的干擾和駕駛員的疲勞造成的。為了使駕駛環(huán)境盡可能安全舒適,先進(jìn)的行車輔助系統(tǒng)成為智能交通系統(tǒng)研究的重要課題。本文基于Android操作系統(tǒng)的可用性和開放性,在目標(biāo)檢測(cè)技術(shù)發(fā)展較為成熟的背景之下,在Android平臺(tái)上已經(jīng)有多例利用深度學(xué)習(xí)網(wǎng)絡(luò)幫助識(shí)別前方物體的系統(tǒng),但是僅僅識(shí)別是不足以用于實(shí)際場(chǎng)景中的實(shí)時(shí)檢測(cè),本文提出一種適用于Android設(shè)備運(yùn)行的行車安全預(yù)警系統(tǒng),并對(duì)車輛識(shí)別所用的關(guān)鍵技術(shù)進(jìn)行了深入的研究。本文對(duì)目前的深度學(xué)習(xí)目標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行了研究和對(duì)比,選取最適合于本系統(tǒng)的YOLO網(wǎng)絡(luò)作為目標(biāo)識(shí)別網(wǎng)絡(luò)。在車輛識(shí)別方面,研究了一種結(jié)合深度學(xué)習(xí)YOLO目標(biāo)識(shí)別的方法對(duì)圖像中的前方車輛進(jìn)行檢測(cè)識(shí)別,并對(duì)單目視覺下的測(cè)距做了研究和實(shí)驗(yàn),依據(jù)實(shí)驗(yàn)的結(jié)果以及實(shí)際道路的情況將兩種測(cè)距方法結(jié)合使用到車距測(cè)量上。對(duì)電腦端和手機(jī)端的深度學(xué)習(xí)識(shí)別進(jìn)行了實(shí)驗(yàn)和對(duì)比,并依據(jù)對(duì)比結(jié)果優(yōu)化系統(tǒng)流程,采用時(shí)間分片的形式將車輛運(yùn)行過程中的識(shí)別結(jié)果做延時(shí)反饋,然后通過使用基于OpenCV的圖像邊緣檢測(cè)算法來實(shí)現(xiàn)針對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)YO... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

目標(biāo)檢測(cè)發(fā)展網(wǎng)絡(luò)圖

聲音和文本等數(shù)據(jù)的機(jī)制。14 年加州大學(xué)伯克利分校的 Ross B. Girshick 提出了 R-CNN 算法[25]，該算法ecun 在同一時(shí)期提出的端到端方法 OverFeat 算法[26]， 其算法結(jié)構(gòu)已成為兩個(gè)的經(jīng)典結(jié)構(gòu)。-CNN 檢測(cè)時(shí)的主要步驟為:1）使用選擇性搜索算法，從要檢測(cè)的圖像中提取約 2000 個(gè)區(qū)域候選幀，其中的目標(biāo)。2）把所有侯選框縮放成固定大�。ㄔ牟捎� 227×227）。3）用深度卷積神經(jīng)網(wǎng)絡(luò)提取每個(gè)候選框的特征，得到固定長(zhǎng)度的特征向量。4）將特征向量發(fā)送到 SVM 進(jìn)行分類，得到類別信息，并發(fā)送到完全連接的網(wǎng)得到相應(yīng)的坐標(biāo)信息。其過程如圖 3.2。

雖然還是需要生成候選框，但是把提取候選框的特征圖上做，將 R-CNN 中的使用的多層卷積改變?yōu)閱谓j(luò)只能接受固定大小的輸入圖像。為了適應(yīng)這種圖像尺這將導(dǎo)致圖像不覆蓋整個(gè)目標(biāo); 縮放圖像，這會(huì)產(chǎn)生失要固定輸入圖像的大小，只有第一個(gè)完全連接的層需要的權(quán)重矩陣是固定大小的，因此其他完全連接的層不需層和第一個(gè)完全連接的層之間進(jìn)行一些處理，將不同大層輸入可以解決問題。有特殊能力的空間金字塔池化[27]（Spatial Pyramid poo的特征圖上，進(jìn)行采樣獲得固定長(zhǎng)度向量的輸出，這樣區(qū)域進(jìn)行特征提取。具體方法是在特征圖像區(qū)域上執(zhí)行的網(wǎng)格，以便獲得固定長(zhǎng)度的輸出。圖 2.3 是 SPP 操作

【參考文獻(xiàn)】：
期刊論文
[1]基于Android環(huán)境的屏幕錄制技術(shù)[J]. 張孟琦.  電子技術(shù)與軟件工程. 2019(05)
[2]基于Android的通信軟件的設(shè)計(jì)與實(shí)現(xiàn)[J]. 郭佳明.  科學(xué)技術(shù)創(chuàng)新. 2019(08)
[3]基于Android的移動(dòng)學(xué)習(xí)平臺(tái)設(shè)計(jì)[J]. 馬麗.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[4]Android應(yīng)用開發(fā)課程的設(shè)計(jì)與實(shí)施[J]. 付直兵,于明亮.  軟件導(dǎo)刊(教育技術(shù)). 2019(02)
[5]基于特征點(diǎn)匹配的視頻穩(wěn)定算法[J]. 馬忠雪,穆平安,戴曙光.  包裝工程. 2018(21)
[6]基于Canny算子改進(jìn)的邊緣檢測(cè)算法[J]. 王保軍,趙海清,劉超.  科學(xué)技術(shù)創(chuàng)新. 2018(27)
[7]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法綜述[J]. 周曉彥,王珂,李凌燕.  電子測(cè)量技術(shù). 2017(11)
[8]基于Android智能手機(jī)的前方車輛檢測(cè)系統(tǒng)[J]. 潘安,李必軍.  軟件導(dǎo)刊. 2016(05)
[9]汽車安全駕駛輔助系統(tǒng)的研究綜述[J]. 薛玉斌,王祥,石晶.  黑龍江交通科技. 2016(02)
[10]基于單目視覺的跟馳車輛車距測(cè)量方法[J]. 余厚云,張為公.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)

博士論文
[1]基于機(jī)器視覺的先進(jìn)輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究[D]. 范延軍.東南大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的車輛定位及車型識(shí)別研究[D]. 張飛云.江蘇大學(xué) 2016
[2]基于Android平臺(tái)的前方車輛防碰撞預(yù)警系統(tǒng)[D]. 顧宇楓.東南大學(xué) 2015
[3]基于機(jī)器視覺的車道線識(shí)別技術(shù)研究[D]. 燕磬.長(zhǎng)沙理工大學(xué) 2015
[4]基于機(jī)器視覺的行車安全預(yù)警系統(tǒng)研究與實(shí)現(xiàn)[D]. 黃惠迪.東華大學(xué) 2015
[5]基于Android移動(dòng)平臺(tái)的智能視頻監(jiān)控系統(tǒng)設(shè)計(jì)[D]. 陳彩蓮.天津大學(xué) 2012



本文編號(hào)：2940409