【摘要】：近年來,無人駕駛技術的研究熱度一直居高不下。為了順應互聯(lián)網(wǎng)科技的發(fā)展浪潮,許多學者投入到了交警手勢識別的研究中。目前,常用的交通指揮方式主要包括固定式的交通信號指揮和交警手勢指揮。隨著無人駕駛技術的日益成熟,無人駕駛汽車不僅需要具備辨別固定式的交通信號的能力,還需對復雜的交警手勢及時作出響應和處理。本文在現(xiàn)有研究的基礎上,對交警手勢的檢測和識別方法進行了深入探索,采用OpenCV庫函數(shù)、手勢檢測算法和神經(jīng)網(wǎng)絡算法完成了交警手勢的識別任務并實現(xiàn)了一套交警動態(tài)手勢識別系統(tǒng)。論文的主要研究工作如下:(1)采用多種傳統(tǒng)的手勢檢測技術對交警手勢進行檢測,對比了不同的手勢分割結果,發(fā)現(xiàn)分割后的手勢均存在大量偽邊緣信息和邊緣輪廓斷裂的問題,基于上述研究提出了一種手勢檢測技術結合動態(tài)區(qū)域邊緣點整合算法來實現(xiàn)手勢的分割和手勢輪廓信息的提取。(2)針對復雜背景和人體運動等非剛性問題的干擾,采用手勢檢測技術結合動態(tài)區(qū)域邊緣點整合算法實現(xiàn)了手勢的分割和手勢輪廓信息的提取,同時有效剔除了大量的手勢偽邊緣信息,改善了提取過程中出現(xiàn)斷裂現(xiàn)象嚴重等問題。實驗證明,傳統(tǒng)的手勢的檢測方法結合動態(tài)區(qū)域邊緣點保留法,具有良好的檢測效果,同時也能夠較好地處理采光環(huán)境、手勢動作速度不一致和手勢姿態(tài)不同等帶來的識別問題。(3)針對交警的指揮手勢識別率低的問題,本文采用BP神經(jīng)網(wǎng)絡和極限學習機實現(xiàn)了交警的手勢識別,對比了兩者的手勢識別結果后,發(fā)現(xiàn)極限學習機的識別效果要明顯優(yōu)于BP網(wǎng)絡。此外,在傳統(tǒng)極限學習機研究的基礎上,結合粒子群優(yōu)化算法對神經(jīng)網(wǎng)絡的極限學習機算法部分進行了改進。實驗證明,改進后的算法對交警的手勢識別效果有了較明顯的提升,具有較高的識別率和運行效率。
【學位授予單位】：東華理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP183;TP391.41;U463.6

【參考文獻】

相關期刊論文 前5條

1 孟林麗;鄭寧;汪沁;;基于遺傳算法的BP神經(jīng)網(wǎng)絡供應商評價模型研究[J];物流技術;2015年14期

2 張登康;郭太良;姚劍敏;林志賢;徐勝;;改進膚色識別參量和輪廓特征相結合的指尖檢測[J];光電子技術;2012年03期

3 ;新的交通警察手勢信號10月1日起在全國施行[J];駕駛園;2007年10期

4 葉斌,雷燕;關于BP網(wǎng)中隱含層層數(shù)及其節(jié)點數(shù)選取方法淺析[J];商丘職業(yè)技術學院學報;2004年06期

5 高大文,王鵬,蔡臻超;人工神經(jīng)網(wǎng)絡中隱含層節(jié)點與訓練次數(shù)的優(yōu)化[J];哈爾濱工業(yè)大學學報;2003年02期

，

本文編號：2703301