【摘要】：隨著社會(huì)的快速發(fā)展,汽車產(chǎn)生的交通問(wèn)題急劇增加。提高汽車自身的感知能力避免交通事故的研究,成為學(xué)術(shù)界的前沿領(lǐng)域。在車載攝像頭的基礎(chǔ)上,高質(zhì)量的車輛檢測(cè)算法可以增加汽車的視覺(jué)感知能力,減少車輛碰撞事故,在智能交通系統(tǒng)、自動(dòng)駕駛等領(lǐng)域有著廣泛的應(yīng)用。近些年,雖然傳統(tǒng)車輛檢測(cè)算法已經(jīng)在實(shí)際使用,但是由于車輛外型種類多、背景環(huán)境變化大、運(yùn)動(dòng)形變及檢測(cè)范圍局限等因素的影響,使得其在車載視頻下性能表現(xiàn)一般。本課題在福建省重點(diǎn)科技項(xiàng)目(2017H6009)支持下,針對(duì)傳統(tǒng)算法計(jì)算過(guò)程繁瑣、檢測(cè)準(zhǔn)確率低、范圍局限性等問(wèn)題,提出了基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測(cè)算法,并在此基礎(chǔ)上提出了車輛狀態(tài)分析方法。本文完成的工作如下:一、設(shè)計(jì)了不同視角、多種車型、尺度歸一化、目標(biāo)標(biāo)注的車載視頻數(shù)據(jù)集,應(yīng)用于車輛檢測(cè)算法的訓(xùn)練和測(cè)試。為了研究車輛狀態(tài)分析,將車載視頻數(shù)據(jù)集中標(biāo)注的車輛截取出來(lái),并做顏色空間明度平移,設(shè)計(jì)了車輛狀態(tài)數(shù)據(jù)集。二、設(shè)計(jì)了一種側(cè)面評(píng)測(cè)方法,評(píng)測(cè)了激活函數(shù)對(duì)網(wǎng)絡(luò)設(shè)計(jì)的影響。與傳統(tǒng)算法不同,卷積神經(jīng)網(wǎng)絡(luò)算法可以做到端到端計(jì)算,其中各數(shù)據(jù)層之間特征傳輸必須通過(guò)非線性激活函數(shù)的映射。在其他結(jié)構(gòu)不變的情況下,設(shè)計(jì)不同激活函數(shù)的網(wǎng)絡(luò)訓(xùn)練車輛檢測(cè)模型,同時(shí)對(duì)模型的收斂性和測(cè)試準(zhǔn)確度做比較,比較結(jié)果作為指標(biāo)側(cè)面反應(yīng)出激活函數(shù)對(duì)設(shè)計(jì)車輛檢測(cè)網(wǎng)絡(luò)的影響。實(shí)驗(yàn)表明,使用Relu激活函數(shù)的車輛檢測(cè)網(wǎng)絡(luò)性能最穩(wěn)定,Leaky激活函數(shù)在參數(shù)調(diào)整適當(dāng)時(shí)才會(huì)產(chǎn)生優(yōu)于Relu的網(wǎng)絡(luò)。三、利用上述結(jié)論,結(jié)合現(xiàn)有目標(biāo)檢測(cè)網(wǎng)絡(luò)的優(yōu)點(diǎn),設(shè)計(jì)了編解碼網(wǎng)格回歸網(wǎng)絡(luò)做車輛檢測(cè),并結(jié)合超快速的AlexNet網(wǎng)絡(luò)訓(xùn)練出車輛狀態(tài)分類模型。在車輛檢測(cè)時(shí),首先,特征提取網(wǎng)絡(luò)結(jié)構(gòu)作為編碼區(qū),編碼區(qū)去結(jié)構(gòu)化,融合最優(yōu)的特征提取網(wǎng)絡(luò),本文使用VGG16特征提取網(wǎng)絡(luò);然后,候選框輸出結(jié)構(gòu)作為解碼區(qū),解碼區(qū)結(jié)合Faster-RCNN網(wǎng)絡(luò)的Anchor機(jī)制和YOLO網(wǎng)絡(luò)的網(wǎng)格回歸機(jī)制,使得候選框快速回歸修正。在車輛狀態(tài)分析時(shí),首先將路上行駛的車輛分為兩種:前向行駛車輛和對(duì)向行駛車輛;然后以AlexNet分類的形式將車輛狀態(tài)分析出來(lái)。實(shí)驗(yàn)表明,在不同數(shù)據(jù)集中,編解碼網(wǎng)格回歸網(wǎng)絡(luò)都比其它算法的平均準(zhǔn)確率高出5%以上,且能實(shí)時(shí)檢測(cè);AlexNet車輛狀態(tài)分析模型的平均準(zhǔn)確率在80%。綜上所述,本文對(duì)基于車載視頻的車輛檢測(cè)問(wèn)題提出了新的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提高了車輛檢測(cè)算法的準(zhǔn)確性,并分析了檢測(cè)車輛的行駛狀態(tài),具有重要的研究意義和實(shí)用價(jià)值。
【圖文】：

體的邊緣信息，再得到物體的局部信息，最后識(shí)別出物體。即高層的特征是由底層特逡逑征組合得來(lái)，從底層特征轉(zhuǎn)化到高層特征，對(duì)物體的表達(dá)會(huì)越來(lái)越抽象化、概念化，逡逑如圖１－１所示。逡逑４逡逑

上述推導(dǎo)出了邋ＳＶＭ線性分類器，但是在很多應(yīng)用中，數(shù)據(jù)是線性不可分的，比逡逑如圖像數(shù)據(jù)，這就要用到核函數(shù)的方法來(lái)進(jìn)行高維映射，在高維空間中找到這樣一個(gè)逡逑超平面將數(shù)據(jù)分類，如圖２－５：逡逑ｆ＼５邋－邋＾逡逑邐？逡逑圖２－５高維映射逡逑在圖中ｇ（；ｃ）表示將；ｃ在高維空間中映射后的特征向量，于是超平面對(duì)應(yīng)的模型可逡逑表示為：逡逑ｆ（ｘ）邋＝邋ｗＴ－ｇ（ｘ）邋＋邋ｂ邐（２－１４）逡逑其中參數(shù)ｗ和６還是模型參數(shù)，需要帶入樣本數(shù)據(jù)進(jìn)行求解。公式（２－１２）可以逡逑寫為：逡逑１４逡逑
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫志陽(yáng);;淺析智能交通中的車輛檢測(cè)技術(shù)及發(fā)展[J];居舍;2017年32期

2 張輝;;基于HOG-GentleBoost的車輛檢測(cè)方法[J];計(jì)算機(jī)時(shí)代;2018年06期

3 Wikipedia;錢仲興;;世界各國(guó)的車輛檢測(cè)[J];汽車與安全;2012年12期

4 田曉霞;王家碩;王會(huì)樸;;有限狀態(tài)機(jī)在夜間車輛檢測(cè)上的應(yīng)用[J];石家莊鐵道大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年04期

5 蔡英鳳;劉澤;孫曉強(qiáng);陳龍;王海;;基于雙車輛可變形部件模型的車輛檢測(cè)方法[J];汽車工程;2017年06期

6 劉東偉;;基于雙車輛可變形部件模型的車輛檢測(cè)方法研究[J];南方農(nóng)機(jī);2017年20期

7 曹曉娟;;智能交通系統(tǒng)中車輛檢測(cè)方法的研究[J];信息化建設(shè);2015年12期

8 許柏平;周舟平;;手機(jī)在車輛檢測(cè)中的應(yīng)用[J];汽車維護(hù)與修理;2013年05期

9 王建強(qiáng);王履程;;基于機(jī)器視覺(jué)的隧道車輛檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];自動(dòng)化與儀器儀表;2015年09期

10 董茜;游宇;;重慶機(jī)動(dòng)車強(qiáng)檢“第一現(xiàn)場(chǎng)”[J];今日重慶;2017年06期

相關(guān)會(huì)議論文 前10條

1 孟超超;鮑泓;;車輛檢測(cè)研究綜述[A];中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì)論文集[C];2018年

2 王忠耀;任青春;王少華;郭春生;;基于紅外視頻的車載行人車輛檢測(cè)系統(tǒng)[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

3 李舜酩;繆小冬;;視覺(jué)車輛檢測(cè)方法的研究進(jìn)展及展望[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

4 李鵬飛;趙璽;劉兵;鄒永鋒;;復(fù)雜路況的移動(dòng)車輛檢測(cè)與跟蹤方法[A];2018中國(guó)汽車工程學(xué)會(huì)年會(huì)論文集[C];2018年

5 吳園;黎寧;劉苗苗;;一種基于快速水平集方法的運(yùn)動(dòng)車輛檢測(cè)[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 鄒月嫻;王一言;關(guān)佩;楊華;陳維榮;;復(fù)雜視頻背景中的運(yùn)動(dòng)車輛檢測(cè)技術(shù)[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

7 吳嶸;何培宇;徐自勵(lì);段文鋒;劉珂含;;一種去背景的車輛檢測(cè)與跟蹤快速算法[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

8 張有節(jié);蔡曉禹;彭博;李少博;;基于無(wú)人機(jī)視頻的車輛檢測(cè)與評(píng)價(jià)指標(biāo)研究[A];2017年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2017年

9 高文寶;沙海云;周欣榮;柴干;;高速公路車輛檢測(cè)技術(shù)組合應(yīng)用研究[A];第一屆中國(guó)智能交通年會(huì)論文集[C];2005年

10 魏東;劉毅;錢俊彥;;桂林機(jī)動(dòng)車遠(yuǎn)程審驗(yàn)系統(tǒng)[A];廣西計(jì)算機(jī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文集[C];2012年

相關(guān)重要報(bào)紙文章 前10條

1 重慶商報(bào)-上游新聞?dòng)浾?嚴(yán)薇;全國(guó)首個(gè)國(guó)家質(zhì)檢基地初具規(guī)模 “超級(jí)”一體化車輛檢測(cè)基地將投用[N];重慶商報(bào);2019年

2 記者 肖劍雄;大小車輛檢測(cè)費(fèi)均降20元[N];東莞日?qǐng)?bào);2017年

3 記者 幸笑薇;市人大代表開展“最多跑一次”調(diào)研[N];舟山日?qǐng)?bào);2017年

4 練洪洋;車輛檢測(cè) 興利除弊方能有效可靠[N];廣州日?qǐng)?bào);2015年

5 張奇 李小潔;車輛檢測(cè)，為何招來(lái)怨聲一片[N];檢察日?qǐng)?bào);2002年

6 記者 楊耀青;車輛檢測(cè)更加公正透明[N];西安日?qǐng)?bào);2011年

7 鄭利平;湖州車輛檢測(cè)科研項(xiàng)目通過(guò)鑒定[N];中國(guó)交通報(bào);2004年

8 蘇菲;防控疫情，你當(dāng)自律![N];黑龍江日?qǐng)?bào);2020年

9 記者 郭亮廷;認(rèn)真安排部署 保障春節(jié)安全[N];郴州日?qǐng)?bào);2019年

10 通訊員 李金華;銅川政協(xié) 提案破解車輛檢測(cè)難[N];各界導(dǎo)報(bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 羅志明;基于卷積神經(jīng)網(wǎng)絡(luò)的交通密度估計(jì)及車輛檢測(cè)方法研究[D];廈門大學(xué);2017年

2 蔡磊;部件檢測(cè)方法及其在車輛目標(biāo)檢測(cè)中的應(yīng)用[D];西北工業(yè)大學(xué);2017年

3 顏?zhàn)?基于深層卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測(cè)及屬性分析方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院重慶綠色智能技術(shù)研究院);2018年

4 宋俊芳;基于圖像逆投影3D重建的車輛檢測(cè)關(guān)鍵技術(shù)研究[D];長(zhǎng)安大學(xué);2018年

5 張偉;基于視覺(jué)的運(yùn)動(dòng)車輛檢測(cè)與跟蹤[D];上海交通大學(xué);2007年

6 王曾敏;小波圖像融合算法及其在視頻車輛檢測(cè)系統(tǒng)中的應(yīng)用研究[D];天津大學(xué);2009年

7 諶彤童;基于三維激光雷達(dá)的動(dòng)態(tài)車輛檢測(cè)與跟蹤[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

8 徐琨;交通視頻監(jiān)控中的車輛檢測(cè)與跟蹤方法研究[D];長(zhǎng)安大學(xué);2009年

9 許潔瓊;基于視頻圖像處理的車輛檢測(cè)與跟蹤方法研究[D];中國(guó)海洋大學(xué);2012年

10 嚴(yán)捷豐;交通視頻監(jiān)控中的車輛檢測(cè)與分割方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 彭Ya明;基于上下文和空間注意力的SSD車輛檢測(cè)研究[D];湘潭大學(xué);2019年

2 王明亮;基于圖像和激光雷達(dá)融合的車輛檢測(cè)研究[D];重慶郵電大學(xué);2019年

3 李X;面向輔助駕駛的全天候燈語(yǔ)識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2019年

4 陶曉力;基于深度特征的航拍車輛檢測(cè)[D];南京航空航天大學(xué);2019年

5 許匡正;基于異構(gòu)計(jì)算的車輛檢測(cè)與跟蹤研究[D];西安電子科技大學(xué);2019年

6 程文雄;基于多尺度并行網(wǎng)絡(luò)的抗遮擋車輛檢測(cè)[D];西安電子科技大學(xué);2019年

7 顧夫挺;基于多傳感器的車輛檢測(cè)方法及其可靠性分析[D];浙江工業(yè)大學(xué);2019年

8 宋姚燁;復(fù)雜交通環(huán)境下的車輛檢測(cè)算法研究[D];江蘇大學(xué);2019年

9 何丹妮;基于深度學(xué)習(xí)的多車輛檢測(cè)及跟蹤算法研究[D];大連理工大學(xué);2019年

10 趙慧童;基于深度學(xué)習(xí)方法的道路場(chǎng)景車輛目標(biāo)檢測(cè)研究[D];山東科技大學(xué);2018年

，

本文編號(hào)：2597133