道路交通中的移動目標檢測是汽車視覺輔助駕駛系統(tǒng)的重要組成部分。近年來,大多數(shù)學(xué)者采用深度學(xué)習(xí)方法對可見光圖像中的目標進行檢測,然而,普通的可見光車載攝像頭在拍攝時容易受到黑夜、強光、惡劣天氣等影響,從而導(dǎo)致所采集圖像的質(zhì)量急劇下降,而紅外攝像頭可以很大程度地緩解以上問題。但是,實際應(yīng)用中的紅外圖像目標檢測算法在魯棒性和準確性上具有一定的局限性。因此,本文主要研究復(fù)雜交通場景下紅外圖像中的移動目標檢測,論文主要開展工作如下:（1）根據(jù)紅外圖像的灰度統(tǒng)計、噪聲以及頻率特性,本文主要研究了圖像降噪和增強兩種預(yù)處理方法。在圖像降噪方面,建立一種綜合濾波方法,有效抑制了圖像中的噪聲。在圖像增強方面,提出了基于直方圖處理的雙邊濾波算法,該算法結(jié)合了圖像的空間信息與統(tǒng)計信息,可以有效地保持紅外圖像的細節(jié)信息,并且能夠增強圖像的對比度。實驗結(jié)果表明,使用預(yù)處理后的紅外圖像能夠改善目標的漏檢情況。（2）在目標檢測中,論文基于回歸的目標檢測算法,對YOLOv2（You Only Look Once9000）網(wǎng)絡(luò)中的激活函數(shù)進行改進,采用維度聚類方法對數(shù)據(jù)集中的目標邊界框進行聚類分析。以上算法具有較強的魯棒... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標檢測算法發(fā)展歷程

２．１紅外圖像分析??２．１．１紅外光譜與紅外輻射??宇宙中所有的物質(zhì)或物體，通常都是由帶電粒子組成，并且這些帶電粒子時時??刻刻處于運動狀態(tài)，也正因為這些物質(zhì)處于運動狀態(tài)，帶電粒子運動所產(chǎn)生的溫度??會高于熱力學(xué)溫度，會不斷向四周輻射電磁能量。在現(xiàn)實生活中，紅外攝像頭能夠??采集到物體或物質(zhì)的熱源分布，是由于物質(zhì)本身的電磁輻射，也稱作紅外輻射或紅??外線。這些電子在運動作用下自發(fā)產(chǎn)生電磁輻射，這些電磁輻射無法被人眼所捕獲，??但這些運動電子本身具有很強的熱作用，所以又稱作熱輻射［２６］。??紅外光線不同于可見光，能夠被人眼所看見，但確實是客觀存在的一種物質(zhì)，??只是紅外光線所處的電磁波段不能被人眼所看到而己，在電磁波譜構(gòu)成中，紅外線??與其他電磁波一起，比如說微波、無線電波和紫外線等構(gòu)成一個完整的電磁波譜圖，??如圖２－１電磁波譜圖所示。??－ＨＴｆｉｉＡｉＡ?１ｍｍ?ｌｍ?１００ｋｍ??射線?：ｘ射線?紫外線?紅外線?！微波?無線電波??

紅外攝像頭采集到的自然界信息通過灰度圖像呈現(xiàn)，可以通過灰度信息來反??映采集到的紅外圖像。灰度直方圖的灰度級分布反映對應(yīng)圖像的像素數(shù)量，能夠?qū)??分析圖像像素分布情況提供幫助。如圖２－２為灰度分布統(tǒng)計直方圖�；叶确植冀y(tǒng)??計直方圖的橫坐標為灰度值，一般灰度級在０至２５５之間縱坐標表示灰度像??素出現(xiàn)的次數(shù)。??＾?Ｉ??１?Ｚ￣、■－??ｒ＞＜????????????－?????〇?２＂－１?灰度值??圖２－２灰度分布統(tǒng)計直方圖??Ｆｉｇ．２－２?Ｇｒａｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｓｔａｔｉｓｔｉｃａｌ?ｈｉｓｔｏｇｒａｍ??與光學(xué)攝像頭采集到的光學(xué)成像信息相比，紅外成像反映了物質(zhì)或物體表面??在環(huán)境中熱分布的情況，而可見光成像是光線照射物體或物質(zhì)經(jīng)反射后所展現(xiàn)環(huán)??境的色彩信息和紋理輪廓信息，具有很大的不同。根據(jù)熱紅外圖像與可見光圖像成??像的差異性，可以總結(jié)出紅外圖像的幾個明顯特點如下：??１）

【參考文獻】：
期刊論文
[1]復(fù)雜熱紅外監(jiān)控場景下行人檢測[J]. 許茗,于曉升,陳東岳,吳成東,賈同,茹敬雨.  中國圖象圖形學(xué)報. 2018(12)
[2]基于Darknet框架下YOLO v2算法的車輛多目標檢測方法[J]. 李珣,劉瑤,李鵬飛,張蕾,趙征凡.  交通運輸工程學(xué)報. 2018(06)
[3]嵌入式系統(tǒng)的應(yīng)用現(xiàn)狀及發(fā)展趨勢[J]. 王龍飛.  中國新通信. 2018(23)
[4]基于YOLO模型的紅外圖像行人檢測方法[J]. 譚康霞,平鵬,秦文虎.  激光與紅外. 2018(11)
[5]基于深度學(xué)習(xí)的目標檢測研究與應(yīng)用[J]. 王瀟天.  電子制作. 2018(22)
[6]第三季度全國機動車和駕駛?cè)吮３制椒�(wěn)增長[J].   道路交通管理. 2018(11)
[7]基于YOLOv2的復(fù)雜場景下車輛目標檢測[J]. 李云鵬,侯凌燕,王超.  電視技術(shù). 2018(05)
[8]基于深度學(xué)習(xí)的道路實景行人車輛檢測[J]. 張澤軒,陳虎,吳志紅,王敏.  現(xiàn)代計算機(專業(yè)版). 2018(10)
[9]基于自適應(yīng)目標圖像恢復(fù)的紅外弱小目標檢測[J]. 熊斌,黃心漢,王敏.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2017(10)
[10]基于多特征的快速紅外弱小目標檢測算法[J]. 易翔,王炳健.  光子學(xué)報. 2017(06)

碩士論文
[1]基于深度學(xué)習(xí)的車輛檢測算法研究及系統(tǒng)實現(xiàn)[D]. 張雲(yún)軻.電子科技大學(xué) 2018
[2]基于車載視頻的道路車輛及行人檢測[D]. 唐詩.電子科技大學(xué) 2018
[3]基于車載視覺系統(tǒng)的目標檢測優(yōu)化算法研究[D]. 樂國慶.北京交通大學(xué) 2017
[4]基于紅外的移動人體目標檢測與跟蹤研究[D]. 林豪杰.昆明理工大學(xué) 2011



本文編號：3038099