在城市化進(jìn)程的推動下機(jī)動車成為廣泛應(yīng)用的移動交通工具,給人們的出行帶來了許多便捷。但與之而來的是日趨復(fù)雜的交通環(huán)境和漸趨嚴(yán)峻的交通安全問題。利用有效的交通場景理解機(jī)制,賦予車輛一定的智能,從而協(xié)助駕駛員規(guī)避安全風(fēng)險已成為當(dāng)前降低道路事故發(fā)生率的研究熱點。在交通場景理解中,對于目標(biāo)的檢測是一個重要的研究方向,目標(biāo)檢測是指在道路交通環(huán)境中,指出目標(biāo)可能存在的位置,提供較為完善的場景信息。由于交通場景復(fù)雜,存在許多干擾信息如光照、惡劣天氣影響等,完全依靠人工實現(xiàn)目標(biāo)檢測變得較為困難,機(jī)器學(xué)習(xí)作為具有一定自適應(yīng)性的檢測方法,已成為近些年學(xué)術(shù)界和工業(yè)界的關(guān)注熱點,獲得了廣泛的應(yīng)用�；跈C(jī)器學(xué)習(xí)的交通場景下目標(biāo)檢測主要有兩種研究手段——基于人工設(shè)計特征結(jié)合機(jī)器學(xué)習(xí)分類器的目標(biāo)檢測方法和基于深度學(xué)習(xí)的自提取特征的目標(biāo)檢測方法。本文依據(jù)上述研究手段,針對交通場景圖像中復(fù)雜城市環(huán)境下的檢測效率和泛化性能等問題,分別提出基于機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的目標(biāo)檢測方法,主要研究內(nèi)容如下:⑴針對機(jī)器學(xué)習(xí)的目標(biāo)檢測方法,提出了一種基于分層支持向量機(jī)的檢測方法。通過與背景明顯區(qū)分的尾燈作為顯著特征確定目標(biāo),提取尾燈特征并依... 

【文章來源】：太原理工大學(xué)山西省 211工程院校

【文章頁數(shù)】：106 頁

【學(xué)位級別】：碩士

【部分圖文】：

計算機(jī)圖像的存儲方式

基于機(jī)器學(xué)習(xí)的目標(biāo)檢測框架

圖像及其三通道直方圖

【參考文獻(xiàn)】：
期刊論文
[1]基于Adaboost的高分遙感影像自動變化檢測方法[J]. 陳偉鋒,毛政元,徐偉銘,許銳.  地球信息科學(xué)學(xué)報. 2018(12)
[2]基于級聯(lián)微型神經(jīng)網(wǎng)絡(luò)的多角度車輛檢測方法[J]. 李浩,連捷,王辛巖.  計算機(jī)工程與應(yīng)用. 2018(22)
[3]基于寬度學(xué)習(xí)方法的多模態(tài)信息融合[J]. 賈晨,劉華平,續(xù)欣瑩,孫富春.  智能系統(tǒng)學(xué)報. 2019(01)
[4]基于車前燈的夜間車輛視頻檢測研究[J]. 柳長源,陳蘭萍,Ersoy.  計算機(jī)工程與應(yīng)用. 2019(02)
[5]A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation[J]. Bo Zhao,Jiashi Feng,Xiao Wu,Shuicheng Yan.  International Journal of Automation and Computing. 2017(02)
[6]交通路口監(jiān)控視頻跨視域多目標(biāo)跟蹤的可視化[J]. 劉彩虹,張磊,黃華.  計算機(jī)學(xué)報. 2018(01)
[7]車輛尾燈燈語的檢測與識別[J]. 田強(qiáng),孔斌,孫翠敏,王燦.  計算機(jī)系統(tǒng)應(yīng)用. 2015(11)
[8]彩色圖像邊緣檢測研究綜述[J]. 楊婷婷,顧梅花,章為川,馬蒙蒙.  計算機(jī)應(yīng)用研究. 2015(09)
[9]基于亮度累加直方圖的夜間車輛檢測算法[J]. 孫曉艷,王健,王建強(qiáng),郭君斌.  計算機(jī)工程. 2013(06)
[10]基于車底陰影的前方運(yùn)動車輛檢測[J]. 齊美彬,潘燕,張銀霞.  電子測量與儀器學(xué)報. 2012(01)

碩士論文
[1]深度卷積網(wǎng)絡(luò)中的自適應(yīng)激活函數(shù)研究[D]. 劉華.華南理工大學(xué) 2018



本文編號：3289384