在國家經(jīng)濟(jì)高速發(fā)展的同時(shí),道路上的車流量也是逐年增加。我們在享受汽車的便捷時(shí),頻繁發(fā)生的道路交通事故卻時(shí)刻威脅著我們的安全,交通安全問題已經(jīng)上升至全人類層面。然而大部分的交通事故都由車輛的異常行為引起,目前的道路視頻監(jiān)控系統(tǒng)主要用于交通事故發(fā)生后的取證,并在很大程度上依賴人工搜索,導(dǎo)致交通事故只能進(jìn)行事后處理而不是早期預(yù)防。為了規(guī)范機(jī)動車的駕駛行為并減少交通事故,對交通視頻監(jiān)控中車輛異常行為的檢測,已逐漸成為智能交通領(lǐng)域的研究熱點(diǎn)。本文以交通異常行為的分析為主要方向,針對交通監(jiān)控系統(tǒng)中的駕駛員不系安全帶行為、車輛使用假牌行為和車輛軌跡違章行為進(jìn)行了討論研究,并針對三類異常行為的檢測制定了對應(yīng)解決方案。本文工作如下:(1)在安全帶檢測方面,提出了一種基于深度學(xué)習(xí)的汽車駕乘人員安全帶檢測算法,以雙網(wǎng)絡(luò)級聯(lián)的方式快速定位和檢測安全帶。通過Faster RCNN卷積神經(jīng)網(wǎng)絡(luò)分別針對車窗區(qū)域和主駕駛區(qū)域訓(xùn)練兩個(gè)檢測器,實(shí)現(xiàn)從車窗到主駕駛區(qū)域的逐級定位。同時(shí),針對AlexNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化,然后利用改進(jìn)的AlexNet深度卷積網(wǎng)絡(luò)訓(xùn)練一個(gè)二元分類器,對定位到的主駕駛區(qū)域進(jìn)行安全帶的檢測判定。通過實(shí)驗(yàn)數(shù)據(jù)可知本章所用的安全帶檢測算法的效果較好,并且系統(tǒng)的魯棒性較高。(2)在使用假牌行為的檢測方面,設(shè)計(jì)了車牌定位、車牌識別和假牌套牌檢測的一整套系統(tǒng),并針對假牌和套牌檢測提出了三個(gè)判定標(biāo)準(zhǔn)。首先對傳統(tǒng)Adaboost算法的權(quán)重更新進(jìn)行優(yōu)化,可有效防止分類模型的過擬合,然后提取目標(biāo)區(qū)域的HOG特征來訓(xùn)練改進(jìn)的Adaboost分類器,完成由車頭到車牌的逐級定位。對定位到的車牌預(yù)處理后,利用八連通域結(jié)合垂直投影法實(shí)現(xiàn)字符的精確分割,再利用改進(jìn)的Adaboost分類器結(jié)合字符的輪廓和結(jié)構(gòu)特征完成車牌識別。最后通過車牌信息比對、車身顏色比對和基于網(wǎng)格化監(jiān)控的時(shí)空關(guān)系分析,三個(gè)判定標(biāo)準(zhǔn)來實(shí)現(xiàn)對假牌車和套牌車的檢測。(3)在車輛軌跡違章方面,使用KCF算法實(shí)現(xiàn)目標(biāo)的快速跟蹤,然后針對車輛逆行、違章變道和違章掉頭這三類違章行為,提出了基于車輛軌跡分析的判別標(biāo)準(zhǔn)。在車輛跟蹤階段,利用循環(huán)矩陣將矩陣的運(yùn)算轉(zhuǎn)化為DFT的點(diǎn)積運(yùn)算,大幅度降低了運(yùn)算量,提高目標(biāo)跟蹤的效率。然后利用核函數(shù)技巧將低維度非線性函數(shù)映射成高維度線性函數(shù),使目標(biāo)特征變得線性可分。通過實(shí)驗(yàn)對比了四種跟蹤算法的準(zhǔn)確率和跟蹤誤差。在獲取車輛軌跡點(diǎn)后對軌跡坐標(biāo)進(jìn)行分析,利用Hough變換實(shí)現(xiàn)車道線和車輛軌跡的直線擬合。最后通過分析軌跡坐標(biāo)與車道線之間的關(guān)聯(lián)性,來實(shí)現(xiàn)對三類車輛違章行為的檢測判定。
【學(xué)位單位】：中國計(jì)量大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;U495
【部分圖文】：

安全帶檢測框架圖

全連接和局部連接結(jié)構(gòu)圖

圖 2.3 下采樣層原理圖設(shè)輸入層大小為 4×4，卷積核大小為 2×2，滑動步長為 2，則卷積核分入層的 4 個(gè) 2×2 區(qū)域分別卷積，最終獲得 2×2 的輸出層�？梢钥吹酵硬僮�，能夠大大減少模型的參數(shù)。下采樣的計(jì)算如公式 2-1 所示：
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣焰;丁曉青;;基于多步校正的改進(jìn)AdaBoost算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版)網(wǎng)絡(luò).預(yù)覽;2008年10期

2 李軍;閆佳佳;;基于KELM-AdaBoost方法的短期風(fēng)電功率預(yù)測（英文）[J];控制工程;2019年03期

3 王倫;;Adaboost-SVM多因子選股模型[J];經(jīng)濟(jì)研究導(dǎo)刊;2019年10期

4 葉曉波;秦海菲;呂永林;;一種改進(jìn)的Adaboost-BP算法在手寫數(shù)字識別中的研究[J];大理大學(xué)學(xué)報(bào);2019年06期

5 嚴(yán)智;張鵬;謝川;張鈺林;李保軍;;一種快速AdaBoost.RT集成算法時(shí)間序列預(yù)測研究[J];電子測量與儀器學(xué)報(bào);2019年06期

6 李聞;王顯博;;基于Adaboost算法的人臉檢測的研究[J];中外企業(yè)家;2019年26期

7 李偉;嚴(yán)珂;陸慧娟;葉敏超;;基于Adaboost.RT算法的隧道沉降時(shí)間序列預(yù)測研究[J];中國計(jì)量大學(xué)學(xué)報(bào);2019年03期

8 王玲娣;徐華;;AdaBoost的多樣性分析及改進(jìn)[J];計(jì)算機(jī)應(yīng)用;2018年03期

9 杜瑞超;華繼學(xué);翟夕陽;李志鵬;;基于改進(jìn)Real AdaBoost算法的軟件可靠性預(yù)測[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年01期

10 王玲娣;徐華;;一種基于聚類和AdaBoost的自適應(yīng)集成算法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2018年04期

相關(guān)博士學(xué)位論文 前10條

1 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

2 Ebenezer Owusu;[D];江蘇大學(xué);2014年

3 習(xí)文星;移動背景下視覺的行人檢測、識別與跟蹤技術(shù)研究[D];中國科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

4 盧金娜;基于優(yōu)化算法的徑向基神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)及應(yīng)用[D];中北大學(xué);2015年

5 盧巖;交通監(jiān)控中的運(yùn)動人體目標(biāo)檢測與跟蹤[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2011年

6 王小明;可變光照下人臉檢測與識別研究[D];華東師范大學(xué);2010年

7 孫元;多媒體語義檢索關(guān)鍵問題研究[D];吉林大學(xué);2010年

8 王穎;成熟microRNA識別及其功能預(yù)測方法研究[D];哈爾濱工程大學(xué);2016年

9 吳暾華;面向中醫(yī)面診診斷信息提取的若干關(guān)鍵技術(shù)研究[D];廈門大學(xué);2008年

10 高常鑫;基于上下文的目標(biāo)檢測與識別方法研究[D];華中科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 趙晉川;融合AdaBoost和GRU方法的地質(zhì)分層識別研究[D];華北電力大學(xué)(北京);2019年

2 趙云紅;基于Adaboost改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)地表沉陷預(yù)測研究[D];西安科技大學(xué);2019年

3 王強(qiáng);基于AdaBoost回歸樹的電網(wǎng)基建投資模型研究[D];電子科技大學(xué);2019年

4 王珊珊;基于AdaBoost和ELM的語音情感識別研究[D];天津師范大學(xué);2019年

5 鄭偉華;基于MCP懲罰的AdaBoost集成剪枝技術(shù)的研究[D];江西財(cái)經(jīng)大學(xué);2019年

6 陳天昕;基于AdaBoost與SVM集成算法的高爐爐溫狀態(tài)解析[D];江西財(cái)經(jīng)大學(xué);2019年

7 劉樹燦;基于BP_Adaboost算法的軌面狀態(tài)識別研究[D];湖南工業(yè)大學(xué);2019年

8 周靖;基于機(jī)器學(xué)習(xí)的《紅樓夢》作者問題研究[D];云南大學(xué);2018年

9 鄧頎;人臉檢測技術(shù)的研究與實(shí)現(xiàn)[D];杭州電子科技大學(xué);2016年

10 楊凱杰;基于圖像處理的車輛異常行為分析研究[D];中國計(jì)量大學(xué);2018年

本文編號：2862928