近年來(lái),智能交通輔助駕駛領(lǐng)域的發(fā)展尤為迅猛,輔助駕駛技術(shù)能夠有效的保障道路的行車(chē)安全、降低交通事故發(fā)生的概率,從一定程度上保障人們的人身安全與財(cái)產(chǎn)安全。因此,本文采用多目標(biāo)檢測(cè)技術(shù)與多目標(biāo)跟蹤技術(shù),結(jié)合單目視覺(jué)測(cè)距算法和預(yù)警決策算法完成了自然場(chǎng)景下的車(chē)外異常行為識(shí)別與預(yù)警系統(tǒng)的設(shè)計(jì)和開(kāi)發(fā),該系統(tǒng)能夠?qū)珳?zhǔn)地、實(shí)時(shí)地分析和評(píng)估路況情況,對(duì)危險(xiǎn)情況做出及時(shí)預(yù)警,并通過(guò)實(shí)驗(yàn)證明了該系統(tǒng)具有很高的應(yīng)用價(jià)值。本文主要進(jìn)行了以下幾個(gè)方面的相關(guān)研究:(1)在多目標(biāo)檢測(cè)方面,首先詳細(xì)分析了 YOLO(You Only Look Once)系列目標(biāo)檢測(cè)算法的優(yōu)缺點(diǎn),針對(duì)YOLOv3目標(biāo)檢測(cè)算法在普通計(jì)算平臺(tái)上不能進(jìn)行快速檢測(cè)的問(wèn)題,本文提出了基于殘差塊和FCP模塊的RP-YOLO車(chē)輛與行人目標(biāo)檢測(cè)算法,在Darknet53的網(wǎng)絡(luò)基礎(chǔ)上添加殘差塊形成Darknet65網(wǎng)絡(luò)模型,通過(guò)FCP模塊并連接全連接層進(jìn)行類(lèi)別預(yù)測(cè)與位置回歸。通過(guò)實(shí)驗(yàn)在數(shù)據(jù)集上驗(yàn)證了改進(jìn)后的RP-YOLO車(chē)輛與行人目標(biāo)檢測(cè)算法具有更高的檢測(cè)速度,同時(shí)滿(mǎn)足目標(biāo)檢測(cè)精度的要求;(2)在多目標(biāo)跟蹤方面,首先詳細(xì)分析了 Deep-SORT跟蹤算...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?ＹＯＬＯｖｌ模型預(yù)測(cè)結(jié)構(gòu)??Ｆｉｇ．?２．１?ＹＯＬＯｖｌ?ｍｏｄｅｌ?ｐｒｅｄｉｃｔｉｏｎ?ｓｔｒｕｃｔｕｒｅ??

所輸出的預(yù)測(cè)框，得出最終的目標(biāo)檢測(cè)框。??在以上三個(gè)步驟中，包含三個(gè)關(guān)鍵的核心思想，分別是Ｂｏｕｎｄｉｎｇ?Ｂｏｘ分區(qū)域預(yù)測(cè)、??置信度定義以及非極大值抑制算法。??圖＿＿｜??ｐＴｗＷ＾１＇?￣?￣＇；ｉ?Ｂｏｕｎｄｉｎｇ?ｂｏｘｅｓ?＋?ｃｏｎｆｉｄｅｎｃｅ?＼＾０＾＾??￡....

圖２．?２預(yù)測(cè)信息的輸出格式??Ｆｉｇ．?２．２?Ｏｕｔｐｕｔ?ｆｏｒｍａｔ?ｏｆ?ｐｒｅｄｉｃｔｉｖｅ?ｉｎｆｏｒｍａｔｉｏｎ??

?基于計(jì)算機(jī)視覺(jué)的車(chē)外異常行為識(shí)別與預(yù)警???■■■?ＷＭ??ＩＩ?１?、〇〇＾??貓狗車(chē)?ｂｏｕｎｄｉｎｇ?ｂｏｘ１?ｂｏｕｎｄｉｎｇ?ｂｏｘ２??圖２．?２預(yù)測(cè)信息的輸出格式??Ｆｉｇ．?２．２?Ｏｕｔｐｕｔ?ｆｏｒｍａｔ?ｏｆ?ｐｒｅｄｉｃｔｉｖｅ?ｉｎｆｏｒｍａｔｉｏｎ?....

圖２．?４?Ａｎｃｈｏｒ?Ｂｏｘ處理過(guò)程??Ｆｉｇ．?２．４?Ａｎｃｈｏｒ?Ｂｏｘ?Ｔｒｅａｔｍｅｎｔ?ｐｒｏｃｅｓｓ??

Ｙ０Ｌ０ｖ２為了解決這個(gè)問(wèn)??題，引入了?Ａｎｃｈｏｒ?Ｂｏｘ操作，在對(duì)每個(gè)子區(qū)域進(jìn)行預(yù)測(cè)ＢｏｕｎｄｉｎｇＢｏｘ前，預(yù)設(shè)定一個(gè)??子區(qū)域的目標(biāo)原型框，該框與目標(biāo)有相似的特征性狀，通過(guò)加入目標(biāo)形狀的先驗(yàn)知識(shí)，??從而在目標(biāo)定位與目標(biāo)大小兩方面提升檢測(cè)框的精準(zhǔn)度。采用Ａｎｃｈｏｒ?Ｂ....

圖２．?５?Ｙ０Ｌ０ｖ３結(jié)構(gòu)圖??Ｆｉｇ．?２．５?ＹＯＬＯｖ３?Ｓｔｒｕｃｔｕｒｅ?Ｄｉａｇｒａｍ??在檢測(cè)網(wǎng)絡(luò)部分，ＹＯＬＯ層負(fù)責(zé)輸出檢測(cè)結(jié)果，包括檢測(cè)目標(biāo)的目標(biāo)中心、寬度與??

ｎｃｎｔｅｎａｔｅ?１＾???－ｊ??〇????????＾????Ｘ??Ｅ－??＾?Ｃｏｎｖｏｌｕｔｉｏｉｉａ］?Ｓｅｔ?Ｃ〇Ｔｒｒ，，ａ，?ｆ??士?—?ｎ?一??Ｐｒｅｄｉｃｔ?ｔｗｏ?ｃ〇ｎｖ〇ｉｕｉ？〇ｎａｉ??±???ｊ?ｘ?２?Ｃｏｎｖｏｌｕｔｉｏｎａｌ??Ｕｐ?Ｓａ....

本文編號(hào)：3979277