智能交通系統(tǒng)能準(zhǔn)確、高效地綜合道路上的各種交通信息,提高運(yùn)輸效率,在道路交通中發(fā)揮著重要作用。交通車輛跟蹤是智能交通系統(tǒng)的重要組成部分,通過對交通視頻中的目標(biāo)車輛進(jìn)行跟蹤,可以獲取到車輛的位置、運(yùn)行速度、運(yùn)行加速度、運(yùn)行方向等信息,并由此來分析車輛的闖紅燈、違規(guī)停車、超速行駛等違規(guī)行為。因此,實(shí)現(xiàn)對車輛進(jìn)行準(zhǔn)確、穩(wěn)定的跟蹤,對于智能交通系統(tǒng)的發(fā)展尤為重要。然而,實(shí)際交通場景通常比較復(fù)雜,視頻中的車輛在行駛過程中經(jīng)常會受到相似目標(biāo)車輛、尺度變化等一系列因素的干擾,從而影響車輛跟蹤的準(zhǔn)確性和魯棒性�；诖�,本文展開了對交通車輛跟蹤的研究。論文的主要研究內(nèi)容和成果如下:將多域卷積神經(jīng)網(wǎng)絡(luò)引入交通車輛跟蹤中,并針對其存在無法有效應(yīng)對相似車輛干擾和尺寸變化的問題,提出融合DenseNet和注意力機(jī)制的改進(jìn)多域卷積神經(jīng)網(wǎng)絡(luò)車輛跟蹤算法。首先,使用DenseNet121網(wǎng)絡(luò)前端的兩個密集塊和一個轉(zhuǎn)換層替換原始多域卷積神經(jīng)網(wǎng)絡(luò)的主干網(wǎng)絡(luò),利用密集連接的方式將不同層的特征進(jìn)行融合,提取出更加細(xì)微的特征和豐富的空間信息,實(shí)現(xiàn)對目標(biāo)車輛的精確定位,改善尺寸變化對跟蹤效果的影響;然后,在網(wǎng)絡(luò)中加入通道注意力機(jī)... 

【文章來源】：長安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

視頻車輛跟蹤中部分難點(diǎn)圖像示例圖

深度學(xué)習(xí)框架

完整的卷積神經(jīng)網(wǎng)絡(luò)示例圖

【參考文獻(xiàn)】：
期刊論文
[1]基于VGG-M網(wǎng)絡(luò)模型的前方車輛跟蹤[J]. 劉國輝,張偉偉,吳訓(xùn)成,宋曉琳,許莎,溫培剛.  汽車工程. 2019(01)
[2]結(jié)合密集神經(jīng)網(wǎng)絡(luò)與長短時(shí)記憶模型的中文識別[J]. 張藝瑋,趙一嘉,王馨悅,董蘭芳.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(11)
[3]Branch-Activated Multi-Domain Convolutional Neural Network for Visual Tracking[J]. 陳一民,陸蓉蓉,鄒一波,張燕輝.  Journal of Shanghai Jiaotong University（Science）. 2018(03)
[4]基于多域卷積神經(jīng)網(wǎng)絡(luò)與自回歸模型的空中小目標(biāo)自適應(yīng)跟蹤方法[J]. 藺素珍,鄭瑤,祿曉飛,曾建潮.  光學(xué)學(xué)報(bào). 2017(12)
[5]基于搜索區(qū)域條件概率CNN的精確目標(biāo)探測方法[J]. 熊麗婷,張青苗,沈克永.  計(jì)算機(jī)工程與應(yīng)用. 2017(20)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[7]基于光流法的運(yùn)動目標(biāo)檢測與跟蹤算法[J]. 肖軍,朱世鵬,黃杭,謝亞男.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[8]深度學(xué)習(xí)理論綜述[J]. 韓小虎,徐鵬,韓森森.  計(jì)算機(jī)時(shí)代. 2016(06)
[9]復(fù)雜環(huán)境基于多信息融合的車輛跟蹤方法[J]. 劉陽,王忠立,蔡伯根.  交通運(yùn)輸系統(tǒng)工程與信息. 2015(06)
[10]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)

碩士論文
[1]基于粒子濾波的車輛跟蹤算法研究[D]. 郭新新.山東師范大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)跟蹤技術(shù)研究[D]. 鄭瑤.中北大學(xué) 2018
[3]基于深度學(xué)習(xí)的視覺目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 張明喆.北京郵電大學(xué) 2018
[4]基于形狀模板匹配的實(shí)時(shí)目標(biāo)檢測與跟蹤算法研究[D]. 任菲菲.華中科技大學(xué) 2017
[5]基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D]. 王兆光.南京航空航天大學(xué) 2010
[6]基于光流的圖像目標(biāo)跟蹤方法研究[D]. 萬文靜.西北工業(yè)大學(xué) 2006



本文編號：2971197