發(fā)布時(shí)間：2021-03-15 11:55

　　隨著經(jīng)濟(jì)水平提高,國(guó)內(nèi)汽車(chē)保有量也不斷增加。汽車(chē)給人們出行提供了便利的同時(shí),道路事故頻發(fā)造成的問(wèn)題日益引起人們的關(guān)注。根據(jù)科研文獻(xiàn)表明,事故發(fā)生前對(duì)駕駛員發(fā)出警告可以有效地降低事故發(fā)生率。因此以防碰預(yù)警系統(tǒng)為代表的高級(jí)駕駛輔助系統(tǒng)對(duì)于降低事故發(fā)生率、提高行車(chē)安全顯得尤為重要。而計(jì)算機(jī)視覺(jué)憑借著低成本、豐富信息量等優(yōu)點(diǎn)擔(dān)負(fù)起了感知環(huán)境的重任。本課題基于計(jì)算機(jī)視覺(jué)技術(shù)研究并實(shí)現(xiàn)車(chē)輛檢測(cè)與車(chē)型識(shí)別、視覺(jué)測(cè)距系統(tǒng)。運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)車(chē)輛檢測(cè)與車(chē)型識(shí)別、基于數(shù)據(jù)擬合建模的前車(chē)車(chē)距測(cè)量模型。論文所做主要工作如下:基于YOLOv2目標(biāo)檢測(cè)模型改進(jìn)的車(chē)型識(shí)別系統(tǒng)。在建立的車(chē)型識(shí)別數(shù)據(jù)集上,將車(chē)輛類(lèi)型分為Car、Bus、Truck三類(lèi)。通過(guò)K均值聚類(lèi)確定本數(shù)據(jù)集的Anchor尺寸。改進(jìn)YOLOv2目標(biāo)檢測(cè)框架網(wǎng)絡(luò)結(jié)構(gòu),將密集連接網(wǎng)絡(luò)DenseNet-121替換原Darknet-19網(wǎng)絡(luò)作為改進(jìn)模型的特征提取模塊。改進(jìn)后的YOLOv2-DenseNet網(wǎng)絡(luò)較原YOLOv2的mAP提升了 1.36個(gè)百分點(diǎn)。針對(duì)One Stage的車(chē)型識(shí)別系統(tǒng)中正負(fù)樣本不均衡問(wèn)題,通過(guò)Focal Loss優(yōu)化損失函數(shù)。在定... 

【文章來(lái)源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能車(chē)輛傳感器布置圖

美國(guó)NavLab1

意大利ARGO系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別方法[J]. 袁公萍,湯一平,韓旺明,陳麒.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(04)
[2]車(chē)輛識(shí)別技術(shù)綜述[J]. 張強(qiáng),李嘉鋒,卓力.  北京工業(yè)大學(xué)學(xué)報(bào). 2018(03)
[3]Faster-RCNN的車(chē)型識(shí)別分析[J]. 桑軍,郭沛,項(xiàng)志立,羅紅玲,陳欣.  重慶大學(xué)學(xué)報(bào). 2017(07)
[4]基于Fast R-CNN的車(chē)輛目標(biāo)檢測(cè)[J]. 曹詩(shī)雨,劉躍虎,李辛昭.  中國(guó)圖象圖形學(xué)報(bào). 2017(05)
[5]基于NI EVS和PXI的機(jī)器視覺(jué)駕駛輔助系統(tǒng)開(kāi)發(fā)技術(shù)研究[J]. 高鋒,黃賽賽,李希鵬.  國(guó)外電子測(cè)量技術(shù). 2016(02)
[6]基于雙目立體視覺(jué)的目標(biāo)測(cè)距系統(tǒng)[J]. 沈彤,劉文波,王京.  電子測(cè)量技術(shù). 2015(04)
[7]基于三幀差法和交叉熵閾值法的車(chē)輛檢測(cè)[J]. 李秋林,何家峰.  計(jì)算機(jī)工程. 2011(04)
[8]美國(guó)公路交通安全的新焦點(diǎn)[J]. 榮德.  綜合運(yùn)輸. 2005(08)
[9]現(xiàn)代汽車(chē)的四種測(cè)距方法[J]. 鐘勇,姚劍峰.  汽車(chē)工業(yè)研究. 2001(02)
[10]日本ASV安全汽車(chē)的技術(shù)研究動(dòng)向[J]. 黃智偉,李富英.  世界產(chǎn)品與技術(shù). 1997(03)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別設(shè)計(jì)與實(shí)現(xiàn)[D]. 石維康.西安電子科技大學(xué) 2018
[2]基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的車(chē)型識(shí)別[D]. 王亞敏.鄭州大學(xué) 2017
[3]基于單目視覺(jué)的前向車(chē)輛檢測(cè)、跟蹤與測(cè)距[D]. 趙軒.北京工業(yè)大學(xué) 2017
[4]基于視頻的車(chē)輛信息提取與檢索技術(shù)研究[D]. 宋嘉冀.東南大學(xué) 2017
[5]基于智能終端的車(chē)輛碰撞預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉媛媛.南京理工大學(xué) 2017
[6]基于車(chē)路協(xié)同的車(chē)輛追尾預(yù)警系統(tǒng)的研究與實(shí)現(xiàn)[D]. 景首才.長(zhǎng)安大學(xué) 2016



本文編號(hào)：3084133