隨著計(jì)算機(jī)硬件性能的增長與深度學(xué)習(xí)技術(shù)的發(fā)展,從視頻中提取交通流信息逐漸成為智能交通領(lǐng)域的一個重要研究方向。道路交叉口車流量大、交通沖突點(diǎn)多、發(fā)生事故數(shù)多,一直以來都是道路交通安全評價(jià)中的重點(diǎn)關(guān)注對象。本文致力于研究交叉口監(jiān)控視頻中車輛交通沖突的自動提取方法,應(yīng)用遷移學(xué)習(xí)、車輛3D建模、分布估計(jì)算法、數(shù)值仿真等技術(shù),實(shí)現(xiàn)對車輛的檢測、定位與跟蹤,計(jì)算車輛碰撞時間作為交通沖突,在自有數(shù)據(jù)集上應(yīng)用算法提取交通沖突。首先為自有數(shù)據(jù)集制作標(biāo)簽,將視頻圖像中的目標(biāo)分為行人或非機(jī)動車、小汽車、大客車或卡車三個類別,共生成1148張標(biāo)注圖片。應(yīng)用遷移學(xué)習(xí)技術(shù),使用帶標(biāo)注的自有數(shù)據(jù)集訓(xùn)練YOLO模型,將訓(xùn)練過的YOLO模型用于檢測和分類圖像中的目標(biāo)。建立卡爾曼追蹤器,使用Kuhn-Munkres算法匹配相鄰圖像之間的目標(biāo)檢測結(jié)果,應(yīng)用卡爾曼濾波綜合分析模型檢測與車輛追蹤的結(jié)果,實(shí)現(xiàn)對車輛目標(biāo)在圖像中位置的最優(yōu)估計(jì)。然后標(biāo)定攝像頭,計(jì)算投影矩陣,得到世界坐標(biāo)系與圖像像素坐標(biāo)系之間的變換關(guān)系。為YOLO模型中檢測出的車輛,建立包含12個形狀參數(shù)與3個位置參數(shù)的可變形3D車輛模型,通過投影矩陣得到模型在圖像... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀綜述
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 現(xiàn)狀研究的不足
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
        1.3.3 技術(shù)路線
    1.4 研究重難點(diǎn)與創(chuàng)新點(diǎn)
        1.4.1 研究重難點(diǎn)
        1.4.2 研究創(chuàng)新點(diǎn)
第二章 視頻中車輛的提取與追蹤
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.2 卷積計(jì)算
        2.1.3 池化計(jì)算
        2.1.4 反向傳播算法
    2.2 YOLO模型
        2.2.1 特征提取網(wǎng)絡(luò)
        2.2.2 YOLO模型輸出
        2.2.3 非極大值抑制
        2.2.4 YOLO模型特點(diǎn)
    2.3 YOLO模型遷移學(xué)習(xí)
        2.3.1 遷移學(xué)習(xí)基本概念
        2.3.2 本地?cái)?shù)據(jù)集預(yù)處理
        2.3.3 YOLO模型的損失函數(shù)
        2.3.4 視頻車輛識別
    2.4 卡爾曼濾波追蹤
        2.4.1 卡爾曼濾波原理
        2.4.2 檢測目標(biāo)的幀間匹配
        2.4.3 檢測結(jié)果與追蹤器的匹配
        2.4.4 車輛追蹤
    2.5 本章小結(jié)
第三章 車輛三維建模
    3.1 攝像機(jī)標(biāo)定
        3.1.1 坐標(biāo)系變換
        3.1.2 投影矩陣計(jì)算
    3.2 分布估計(jì)算法
        3.2.1 分布估計(jì)算法基本原理
        3.2.2 分布估計(jì)算法算例
    3.3 車輛三維建模
        3.3.1 三維可變形車輛模型
        3.3.2 三維可變形車輛模型的適應(yīng)度函數(shù)
        3.3.3 三維可變車輛模型的變量初始化
        3.3.4 三維可變形車輛模型的優(yōu)化計(jì)算
    3.4 本章小結(jié)
第四章 基于視頻的交通沖突自動提取
    4.1 交通沖突提取
        4.1.1 交通沖突定義
        4.1.2 交通沖突的提取方法
        4.1.3 視頻交通沖突提取
    4.2 交通沖突自動提取算法
    4.3 實(shí)例分析
        4.3.1 實(shí)例簡介
        4.3.2 車輛檢測與追蹤
        4.3.3 車輛三維建模
        4.3.4 交通沖突提取
        4.3.5 交通沖突統(tǒng)計(jì)
        4.3.6 交通沖突場景分析
    4.4 本章小結(jié)
第五章 準(zhǔn)確度評價(jià)與性能分析
    5.1 目標(biāo)檢測與分類模型準(zhǔn)確度評價(jià)
    5.2 三維車輛模型準(zhǔn)確度評價(jià)
    5.3 算法性能與瓶頸分析
    5.4 不同檢測分類模型對比
    5.5 不同車輛三維模型對比
    5.6 本章小結(jié)
第六章 結(jié)論與展望
    6.1 主要工作與結(jié)論
    6.2 研究展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
博士論文
[1]多車道高速公路分流影響區(qū)交通特性及通行能力分析[D]. 侯佳.東南大學(xué) 2018
[2]基于交通沖突理論的信號交叉口安全評價(jià)技術(shù)[D]. 郭延永.東南大學(xué) 2016



本文編號：3045425