發(fā)布時(shí)間：2019-11-28 11:51

【摘要】：隨著模式識(shí)別、機(jī)器視覺以及人工智能技術(shù)的快速發(fā)展,基于單目攝像頭的前方運(yùn)動(dòng)車輛檢測(cè)與跟蹤也逐漸成為目前研究的熱點(diǎn)。它是實(shí)現(xiàn)人工智能輔助駕駛系統(tǒng),乃至車輛全自動(dòng)駕駛的基礎(chǔ)。運(yùn)動(dòng)車輛檢測(cè)跟蹤是利用圖像序列中運(yùn)動(dòng)車輛在顏色、邊界特征、色彩紋理等方面的差異,檢測(cè)出運(yùn)動(dòng)物體;提取出運(yùn)動(dòng)車輛輪廓形狀等信息,進(jìn)一步獲取運(yùn)動(dòng)車輛的位置、尺寸、速度大小、距離等運(yùn)動(dòng)狀態(tài)信息,然后對(duì)其進(jìn)行實(shí)時(shí)跟蹤。然而,由于顯示環(huán)境中的遮擋物陰影、天氣影響光照強(qiáng)度、復(fù)雜背景、目標(biāo)運(yùn)動(dòng)的不確定性等因素影響,使得系統(tǒng)對(duì)車輛要同時(shí)具備高精確度和高魯棒性的檢測(cè)及跟蹤變得十分困難。本文基于單目攝像頭的前方運(yùn)動(dòng)車輛,從傳統(tǒng)的運(yùn)動(dòng)車輛檢測(cè)跟蹤算法入手,針對(duì)傳統(tǒng)算法中遇到的困難問題提出了一些新的算法。論文的主要工作和研究成果體現(xiàn)如下:1.由于傳統(tǒng)的檢測(cè)算法不具備夜間檢測(cè)車輛的能力,并且對(duì)于車輛的檢測(cè)及跟蹤效果的實(shí)時(shí)性能存在缺陷,故本文利用機(jī)器學(xué)習(xí),根據(jù)車輛不同類型的特征匹配5種與其相對(duì)應(yīng)的特征卷積核,提出了基于新型卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)車輛檢測(cè)算法。為了能夠提取對(duì)應(yīng)車型的特征,算法首先通過機(jī)器學(xué)習(xí)提取不同特征所對(duì)應(yīng)的卷積核;然后通過訓(xùn)練大量的樣本車輛,對(duì)本文所構(gòu)建的新型網(wǎng)絡(luò)進(jìn)行參數(shù)訓(xùn)練,特別是對(duì)卷積神經(jīng)網(wǎng)絡(luò)中BP神經(jīng)網(wǎng)絡(luò)部分中的連接參數(shù)和權(quán)重,如此可以將運(yùn)動(dòng)車輛進(jìn)行目標(biāo)分類;最后根據(jù)不同的特征進(jìn)行智能像素標(biāo)記,同一特征用相同像素值標(biāo)記,進(jìn)而提取出目標(biāo)車輛位置信息,達(dá)到模式識(shí)別的效果且能夠更快速地跟蹤到目標(biāo)車輛。仿真結(jié)果表明,該算法對(duì)夜間運(yùn)動(dòng)車輛有良好的檢測(cè)效果,可以有效克服環(huán)境不利因素的干擾,突破了傳統(tǒng)檢測(cè)算法的瓶頸。該檢測(cè)方法還具有較好的魯棒性,并且其檢測(cè)結(jié)果更加貼近人眼視覺分類的效果。2.針對(duì)基于新型卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)車輛檢測(cè)算法在對(duì)目標(biāo)車輛進(jìn)行跟蹤時(shí),對(duì)目標(biāo)車輛跟蹤的實(shí)時(shí)性不夠理想,因此本文利用基于信息塊技術(shù),提出了一種基于目標(biāo)信息塊技術(shù)和超像素點(diǎn)相融合的運(yùn)動(dòng)車輛跟蹤算法。算法首先根據(jù)已有的檢測(cè)結(jié)果,提取出相關(guān)的目標(biāo)信息塊,然后將目標(biāo)信息塊進(jìn)行超像素點(diǎn)劃分,根據(jù)信息熵概念將車輛與背景邊界進(jìn)行劃分,有效的降低了跟蹤算法的計(jì)算量;然后再利用運(yùn)動(dòng)車輛檢測(cè)過程中的檢測(cè)算法對(duì)基于超像素點(diǎn)劃分后的目標(biāo)信息塊進(jìn)行檢測(cè),實(shí)現(xiàn)了目標(biāo)車輛跟蹤效果。仿真結(jié)果表明,本文提出的跟蹤算法與相關(guān)算法相比具有較好的實(shí)時(shí)性,可以準(zhǔn)確且實(shí)時(shí)地檢測(cè)出目標(biāo)車輛,并快速準(zhǔn)確地達(dá)到跟蹤的效果。同時(shí),該算法的時(shí)間開銷對(duì)高速行駛的汽車輔助駕駛系統(tǒng)是可行的,并且其檢測(cè)誤差非常小,能夠在100Km/h高速運(yùn)行的情況下達(dá)到亞米級(jí)別。
【圖文】：

圖 1.1 系統(tǒng)整體模型系統(tǒng)內(nèi)部的模塊硬件步驟而言，首先是攝像機(jī)按預(yù)先設(shè)計(jì)的參數(shù)進(jìn)行固定對(duì)前方道路的圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)不斷的獲取，再把圖像進(jìn)行預(yù)處理（即去理等），，接下來再把圖像數(shù)據(jù)傳輸?shù)?DSP 中，運(yùn)用核心算法進(jìn)行判決圖像以及檢測(cè)雙方車輛在此運(yùn)行狀態(tài)下是否會(huì)發(fā)生碰撞產(chǎn)生交通事故，若會(huì)則，如報(bào)警或者主動(dòng)減速等。具體示意圖如圖 1.2 所示：圖 1.2 系統(tǒng)流程圖機(jī)器視覺的運(yùn)動(dòng)車輛檢測(cè)技術(shù)被提出后，人們僅需選擇合適的檢測(cè)算法和域范圍，而后計(jì)算機(jī)會(huì)自動(dòng)地完成整個(gè)檢測(cè)以及目標(biāo)跟蹤過程。基于機(jī)器

杭州電子科技大學(xué)碩士學(xué)位論文圖 1.1 系統(tǒng)整體模型內(nèi)部的模塊硬件步驟而言，首先是攝像機(jī)按預(yù)先設(shè)計(jì)的參數(shù)進(jìn)行方道路的圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)不斷的獲取，再把圖像進(jìn)行預(yù)處理（），接下來再把圖像數(shù)據(jù)傳輸?shù)?DSP 中，運(yùn)用核心算法進(jìn)行判檢測(cè)雙方車輛在此運(yùn)行狀態(tài)下是否會(huì)發(fā)生碰撞產(chǎn)生交通事故，若報(bào)警或者主動(dòng)減速等。具體示意圖如圖 1.2 所示：
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 鄭海超;毛峽;梁曉庚;;基于邊緣信息的灰度目標(biāo)跟蹤算法[J];北京航空航天大學(xué)學(xué)報(bào);2015年12期

2 夏永泉;JO Kang-hyun;甘勇;金保華;錢慎一;;計(jì)算機(jī)視覺在智能交通系統(tǒng)中的應(yīng)用研究綜述(英文)[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年06期

3 魏凱;盛建平;熊凱;;基于陰影特征的前向車輛檢測(cè)和測(cè)距方法研究[J];機(jī)械設(shè)計(jì)與制造;2013年02期

4 李紅波;陳安榮;;一種基于SIFT的遮擋目標(biāo)跟蹤算法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

5 田克純;歐陽寧;陳祖希;覃遠(yuǎn)年;;基于模糊識(shí)別的汽車目標(biāo)識(shí)別研究與實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2008年18期

6 胡銦;楊靜宇;;基于模型的車輛檢測(cè)與跟蹤[J];中國圖象圖形學(xué)報(bào);2008年03期

7 肖鋒;基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像邊緣檢測(cè)算法的研究[J];西安科技大學(xué)學(xué)報(bào);2005年03期

8 范洪達(dá),李相民;卡爾曼濾波算法的幾何解釋[J];火力與指揮控制;2002年04期

9 鄧銘輝,孫楓,張志;一種基于MATLAB的手寫字母的神經(jīng)網(wǎng)絡(luò)識(shí)別方法[J];應(yīng)用科技;2001年10期

相關(guān)博士學(xué)位論文 前1條

1 劉直芳;人臉檢測(cè)和識(shí)別的研究[D];四川大學(xué);2004年

相關(guān)碩士學(xué)位論文 前6條

1 張帆;基于密集SIFT特征及其池化模型的圖像分類[D];中南大學(xué);2014年

2 康佳倫;基于FMM和稀疏表示圖像修復(fù)算法的研究[D];杭州電子科技大學(xué);2014年

3 韋庭;基于單目視覺的輔助駕駛系統(tǒng)中的圖像處理研究[D];電子科技大學(xué);2012年

4 張玲增;基于多特征的前方車輛檢測(cè)與跟蹤方法研究[D];江蘇大學(xué);2010年

5 張亮修;基于Haar-like特征的實(shí)時(shí)道路車輛識(shí)別方法研究[D];青島大學(xué);2009年

6 馬娟麗;汽車防撞控制系統(tǒng)的研究[D];西北工業(yè)大學(xué);2007年

本文編號(hào)：2567024