為解決由交通擁堵引發(fā)的一系列問題,智能交通系統(tǒng)應運而生,通過實時獲取城市道路交通流量信息,并在此基礎上進行智能化疏導,從而緩解交通壓力,減少環(huán)境污染。其中關鍵技術之一就是交通流量的檢測,近年來,基于智能視頻檢測的方法被廣泛關注,但是圖像算法復雜度高,需要消耗較大的計算資源。因此智能交通系統(tǒng)中交通流量的檢測往往采用云計算模式,所有視頻從網絡邊緣端采集傳輸?shù)皆朴嬎阒行?由云計算中心運行圖像算法來檢測交通流量。但交通監(jiān)控視頻占用存儲大,網絡傳輸帶寬有限等問題給智能交通系統(tǒng)實現(xiàn)高效的交通流量檢測帶來了很大挑戰(zhàn)。本文以智能交通系統(tǒng)中的交通流量檢測作為研究任務,并針對交通監(jiān)控視頻中的道路環(huán)境,結合深度學習和邊緣計算技術,設計并實現(xiàn)了一種將交通流量檢測任務卸載到邊緣的方法。其中具體的研究工作如下:（1）提出一種交通流量檢測任務邊緣卸載的方法。云計算中心迭代基于交通監(jiān)控視頻的深度學習類車輛檢測與車輛跟蹤算法,主要包括算法模型的訓練以及測試。然后將訓練好的模型遷移至邊緣智能設備Jetson TX2,并在該設備上進一步實現(xiàn)交通流量檢測算法以完成在邊緣實時檢測交通流量的任務。（2）設計實現(xiàn)基于YOLO（Yo... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：104 頁

【學位級別】：碩士

【部分圖文】：

云計算模型

作為網絡邊緣海量數(shù)據(jù)處理的解決方案應運而生。邊緣計算模型的原理圖如圖 1.3。圖1.3 邊緣計算模型圖邊緣計算要處理的數(shù)據(jù)對象包括來自云計算中心的下行數(shù)據(jù)以及來自網絡邊緣物聯(lián)網設備的上行數(shù)據(jù)，而邊緣計算所謂的邊緣指的是從數(shù)據(jù)源到云計算中心之間任意的網絡和計算資源，是一個連續(xù)統(tǒng)[32]。在邊緣計算模型中，云計算中心除了從數(shù)據(jù)庫獲取數(shù)據(jù)以外，也從各種傳感器和智能手機等邊緣設備處獲取數(shù)據(jù)。并且網絡邊緣的設備往往兼顧了數(shù)據(jù)生產者和數(shù)據(jù)消費者的雙重身份。網絡邊緣設備在向云計算中

本文受邊緣計算技術的啟發(fā)，考慮將邊緣計算引入基于智能視頻檢測的交通流量檢測，提出了一種基于邊緣計算的智能視頻檢測模型如圖 1.4。圖1.4 基于邊緣計算的智能視頻檢測模型


本文編號：3333071