發(fā)布時間：2024-05-27 02:31

　　隨著我國經(jīng)濟的快速發(fā)展,私家車的數(shù)量出現(xiàn)了爆發(fā)式的增長,人們在得到便利的同時也出現(xiàn)了許多交通問題,伴隨深度學(xué)習(xí)與大數(shù)據(jù)相關(guān)技術(shù)的出現(xiàn),相關(guān)交通問題有望得以解決。未來智能交通的發(fā)展,如何在海量視頻中以及道路交通場景比較復(fù)雜的情況下,準(zhǔn)確找到目標(biāo)車輛至關(guān)重要,并且針對各種實際場景跟蹤車輛,實時性與準(zhǔn)確率一直是研究的難點。本文提出一種基于CNN特征提取的粒子濾波跟蹤算法,解決跟蹤出現(xiàn)的魯棒性與實時性問題,提高跟蹤的準(zhǔn)確率。首先研究了卷積神經(jīng)網(wǎng)絡(luò)模型,采用CNN進行特征提取,并改進其特征提取方法,針對傳統(tǒng)池化算法特征提取單一、靈活性不足的缺點,提出一種混沌變尺度螢火蟲池化算法,即將混沌變尺度螢火蟲算法引入池化算法,不斷優(yōu)化池化參數(shù),直至收斂,使其具備一定的靈活性,改進算法能克服原池化算法固有的缺點。其次使用Faster-RCNN檢測方法進行特征提取與目標(biāo)檢測。利用改進CNN算法獲得卷積特征圖并加入到RPN網(wǎng)絡(luò)中,對其進行處理,用于尋找可能包含目標(biāo)的建議區(qū)域,利用目標(biāo)分?jǐn)?shù)對建議區(qū)域框進行篩選,之后對區(qū)域內(nèi)的目標(biāo)類型進行分類判別,并對屬于某一特征的預(yù)選框回歸,進一步調(diào)整其位置。最后采用Mean S...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1相關(guān)濾波器跟蹤模型

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-7-假設(shè)核回歸模型，如式(2-4)所示：T1()(,)niiifxwzakzx(2-4)系數(shù)可以利用循環(huán)矩陣的特性獲得，如式(2-5)：*()xxyak(2-5)其中，f()為函數(shù)f()的傅里葉變換，xxk為核循環(huán)矩陣的首行。在檢測中所要檢測的樣本....

圖2-2MeanShift示意圖

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-8-然而，相關(guān)濾波只能根據(jù)目標(biāo)區(qū)域響應(yīng)的最大值來定位目標(biāo)，這會導(dǎo)致當(dāng)環(huán)境復(fù)雜出現(xiàn)各種干擾時，獲得到的響應(yīng)一般是不可靠的，并且會使追蹤功能下降。2.1.2均值偏移算法概述MeanShift算法是一種核密度估計法[37]，本身是一個迭代部分，完全依靠特....

圖2-3MeanShift迭代結(jié)果示意圖

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-9-圖2-3MeanShift迭代結(jié)果示意圖Fig.2-3MeanShiftiterationresultdiagram其中，x是圓的中心，半徑為h。ix表示落在球內(nèi)的點，定義規(guī)則如下。(1)x和ix的像素點顏色越是相似，就認(rèn)為概率密度越大。(2)....

圖2-4MeanShift目標(biāo)跟蹤算法流程圖

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-10-歸一化；(4)計算候選區(qū)域和目標(biāo)區(qū)域間的相似度；(5)計算新的目標(biāo)位置，判斷均值移位迭代條件，若是滿足迭代條件，則獲取新的位置，否則更新當(dāng)前幀起始，并繼續(xù)迭代；(6)確定倒數(shù)第一個圖像文件是否已被獲取，如果沒有，返回步驟(3)繼續(xù)追蹤，反之，....

本文編號：3982648