近年來,隨著汽車行業(yè)的日益更新和人工智能的快速發(fā)展,無人駕駛技術(shù)受到廣泛的推廣和應(yīng)用。無人駕駛的環(huán)境感知是實(shí)現(xiàn)車輛安全有效駕駛的必備技術(shù),通過車載攝像頭記錄車輛周圍視覺環(huán)境數(shù)據(jù),識(shí)別出周圍車輛和障礙物的信息從而執(zhí)行相應(yīng)操作。其中準(zhǔn)確識(shí)別出前方移動(dòng)車輛的行為是實(shí)現(xiàn)無人駕駛技術(shù)的基礎(chǔ)。同時(shí),車輛行為檢測在智慧交通管理上有著不可替代的作用。目前對(duì)交通違法審核存在人力財(cái)力投入大、效率低下、人力資源浪費(fèi)等嚴(yán)重問題,傳統(tǒng)路口監(jiān)控所拍攝的視頻僅能在很小的范圍內(nèi)對(duì)交通違章進(jìn)行檢測,遠(yuǎn)遠(yuǎn)不能達(dá)到智慧交通中全覆蓋的交通事故預(yù)防和交通違章檢測的程度。現(xiàn)在車輛大都安裝了行車記錄儀或其他對(duì)車輛前方環(huán)境攝錄的裝置,因此,攝錄的行車前方車輛行為視頻呈指數(shù)級(jí)別增長。在拍攝的長視頻中智能高效的檢測識(shí)別出車輛各種行為,不管對(duì)無人駕駛技術(shù)還是對(duì)智慧交通的實(shí)現(xiàn)都具有重大的現(xiàn)實(shí)意義�；谏鲜銮闆r,對(duì)現(xiàn)有的車輛行為識(shí)別和目標(biāo)行為檢測技術(shù)做了充分研究和改進(jìn)后,實(shí)現(xiàn)了基于深度學(xué)習(xí)的車輛動(dòng)態(tài)行為分類與檢測研究。數(shù)據(jù)集采集于行車記錄儀等設(shè)備攝錄的行車前方車輛視頻,研究的內(nèi)容包括:1、針對(duì)傳統(tǒng)車輛行為識(shí)別算法精度低、延遲大的問題,提出一種... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
第一章 緒論
    1.1 研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)國內(nèi)外研究
        1.2.2 車輛行為識(shí)別與檢測國內(nèi)外研究
    1.3 研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 相關(guān)基礎(chǔ)理論
    2.1 引言
    2.2 傳統(tǒng)車輛行為分析
        2.2.1 傳統(tǒng)車輛檢測算法
        2.2.2 傳統(tǒng)車輛跟蹤算法
        2.2.3 傳統(tǒng)車輛行為識(shí)別算法
    2.3 深度學(xué)習(xí)行為分析研究
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.3 深度學(xué)習(xí)行為識(shí)別
        2.3.4 深度學(xué)習(xí)行為檢測
    2.4 本章小結(jié)
第三章 基于長短期記憶網(wǎng)絡(luò)的車輛行為識(shí)別算法
    3.1 引言
    3.2 雙卷積特征提取
        3.2.1 關(guān)鍵幀提取
        3.2.2 Resnet基本原理
        3.2.3 雙提取機(jī)制
    3.3 基于深度LSTM序列特征提取
    3.4 實(shí)驗(yàn)與分析
        3.4.1 數(shù)據(jù)集
        3.4.2 網(wǎng)絡(luò)環(huán)境配置及訓(xùn)練
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第四章 基于雙流卷積和雙向長短期記憶網(wǎng)絡(luò)的車輛時(shí)序行為檢測
    4.1 引言
    4.2 時(shí)間區(qū)域提議
        4.2.1 DenseNet簡介
        4.2.2 非極大值抑制算法
        4.2.3 雙流卷積網(wǎng)絡(luò)
        4.2.4 初步提議提取
    4.3 細(xì)化檢測提議
        4.3.1 雙向LSTM網(wǎng)絡(luò)
        4.3.2 提議裁剪分類
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 數(shù)據(jù)集
        4.4.2 網(wǎng)絡(luò)環(huán)境配置及評(píng)估標(biāo)準(zhǔn)
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]人工智能與產(chǎn)業(yè)發(fā)展的關(guān)系綜述[J]. 尹靖,王潤北.  信息系統(tǒng)工程. 2019(01)
[2]汽車產(chǎn)業(yè)智能化轉(zhuǎn)型政策環(huán)境構(gòu)建解讀[J]. 李春玲,曹立群.  汽車工程師. 2018(10)
[3]智慧交通現(xiàn)狀與發(fā)展[J]. 鄭文超,賁偉,汪德生.  指揮信息系統(tǒng)與技術(shù). 2018(04)
[4]監(jiān)控視頻中的車輛異常行為檢測[J]. 黃鑫,肖世德,宋波.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(02)
[5]基于改進(jìn)高斯混合模型和卡爾曼濾波的車輛檢測與跟蹤[J]. 杜海順,李嘉宸,魏兆敏,周毅.  河南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[6]從ADAS到自動(dòng)駕駛 2016智能網(wǎng)聯(lián)汽車發(fā)展報(bào)告[J].   產(chǎn)品可靠性報(bào)告. 2017(04)
[7]基于訓(xùn)練圖CNN特征的視頻人體動(dòng)作識(shí)別算法[J]. 曹晉其,蔣興浩,孫錟鋒.  計(jì)算機(jī)工程. 2017(11)
[8]Action Recognition with Temporal Scale-Invariant Deep Learning Framework[J]. Huafeng Chen,Jun Chen,Ruimin Hu,Chen Chen,Zhongyuan Wang.  中國通信. 2017(02)
[9]基于前方車輛行為識(shí)別的碰撞預(yù)警系統(tǒng)[J]. 黃慧玲,楊明,王春香,王冰.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(S1)
[10]自主駕駛車輛的預(yù)測避障控制[J]. 余如,郭洪艷,陳虹.  信息與控制. 2015(01)



本文編號(hào)：3025560