隨著社會迅速進(jìn)步發(fā)展,國內(nèi)各個重要交通路段都布有卡口監(jiān)控錄像,來監(jiān)控司機(jī)是否規(guī)范行車,如檢測司機(jī)是否佩戴安全帶。而對于巨大的卡口監(jiān)控錄像數(shù)據(jù)量,采用人工監(jiān)控的方式來判斷司機(jī)是否佩戴安全帶會消耗巨大的人力及財力資源。本文研究基于計(jì)算機(jī)視覺的方式來檢測安全帶。從兩個方面進(jìn)行卡口監(jiān)控的安全帶檢測的研究:首先本文提出一種利用特殊的特征提取手段構(gòu)造顯著梯度圖的方法檢測安全帶,傳統(tǒng)的安全帶檢測利用Hough變換提取安全帶邊緣直線進(jìn)行安全帶檢測,本文提出梯度突變直線檢測法提取安全帶邊緣直線,方法能排除部分干擾如衣服衣領(lǐng)邊緣,條紋邊緣和假裝佩戴安全帶而將安全帶置于胸前的行為。剔除相似線段構(gòu)造出顯著梯度圖,融合顯著梯度圖的最長候選線段長度、候選線段個數(shù)與候選線段位置特征進(jìn)行檢測。本文將基于Hough變換的安全帶檢測與本文方法進(jìn)行了實(shí)驗(yàn)對比,結(jié)果表明本文方法優(yōu)于使用傳統(tǒng)的Hough變換的方法。本文其次提出基于全卷積神經(jīng)網(wǎng)絡(luò)的積分投影方法檢測安全帶,嘗試使用近年來在圖像識別領(lǐng)域有較好應(yīng)用的深度學(xué)習(xí)方法來檢測安全帶。對比傳統(tǒng)的機(jī)器學(xué)習(xí)方法,深度學(xué)習(xí)的最大突出點(diǎn)在于可以從大量數(shù)據(jù)樣本中自動地學(xué)習(xí)特征,最大限度地...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容及結(jié)構(gòu)
第2章 安全帶檢測研究概述
    2.1 基于計(jì)算機(jī)視覺的安全帶檢測
        2.1.1 車內(nèi)計(jì)算機(jī)視覺安全帶檢測
        2.1.2 車外計(jì)算機(jī)視覺安全帶檢測
    2.2 光線補(bǔ)償
    2.3 邊緣檢測
    2.4 Hough變換
    2.5 本章小結(jié)
第3章 顯著梯度圖檢測安全帶
    3.1 圖像預(yù)處理
    3.2 顯著梯度圖
        3.2.1 梯度突變直線檢測法
        3.2.2 構(gòu)造顯著梯度圖
    3.3 圖像特征融合
    3.4 BP訓(xùn)練
    3.5 實(shí)驗(yàn)結(jié)果
    3.6 本章小結(jié)
第4章 基于全卷積神經(jīng)網(wǎng)絡(luò)的積分投影檢測
    4.1 全卷積神經(jīng)網(wǎng)絡(luò)簡介
        4.1.1 FCN的原理
        4.1.2 FCN的優(yōu)點(diǎn)與不足
    4.2 安全帶訓(xùn)練模型的FCN網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 基于caffe框架的訓(xùn)練
    4.4 FCN檢測結(jié)果與積分投影檢測
        4.4.1 FCN檢測結(jié)果
        4.4.2 基于分割結(jié)果的積分投影檢測
        4.4.3 檢測結(jié)果及分析
    4.5 本章小結(jié)
第5章 結(jié)論與展望
    5.1 本文工作總結(jié)
    5.2 對未來工作的展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
詳細(xì)摘要



本文編號：3928041