發(fā)布時(shí)間：2021-02-01 23:14

　　目標(biāo)檢測(cè)就是利用數(shù)字圖像的相關(guān)技術(shù)獲取圖像或視頻序列中特定目標(biāo)的幾何特征以及統(tǒng)計(jì)特性等信息,實(shí)現(xiàn)對(duì)目標(biāo)的分割和提取。隨著現(xiàn)有無(wú)人機(jī)技術(shù)不斷取得突破性進(jìn)展,國(guó)內(nèi)的無(wú)人機(jī)市場(chǎng)也將迎來(lái)爆發(fā)式的增長(zhǎng)。對(duì)于國(guó)家軍事應(yīng)用來(lái)說(shuō),無(wú)人機(jī)目前已經(jīng)成為了一種新型空中支援力量,然而目標(biāo)檢測(cè)又是其中的一項(xiàng)關(guān)鍵技術(shù)。同樣伴隨著計(jì)算機(jī)科學(xué)技術(shù)的迅猛發(fā)展和數(shù)字圖像處理技術(shù)在各個(gè)領(lǐng)域的廣泛應(yīng)用,利用數(shù)字圖像處理技術(shù)對(duì)無(wú)人機(jī)獲取的圖像中感興趣目標(biāo)進(jìn)行實(shí)時(shí)、高效的檢測(cè)也逐漸成為許多高校、研究機(jī)構(gòu)的熱門方向。對(duì)特定目標(biāo)進(jìn)行動(dòng)態(tài)、實(shí)時(shí)以及穩(wěn)定的檢測(cè)和定位在現(xiàn)代交通管理、小區(qū)監(jiān)控、校園安保、國(guó)家軍事應(yīng)用以及醫(yī)學(xué)輔助導(dǎo)航手術(shù)等方面具有廣泛的實(shí)際應(yīng)用價(jià)值。但是無(wú)人機(jī)機(jī)載系統(tǒng)智能化處理能力明顯不足,比如:實(shí)時(shí)動(dòng)態(tài)目標(biāo)檢測(cè)、跟蹤以及定位。因此研究高效率、高精度的無(wú)人機(jī)目標(biāo)檢測(cè)算法具有重要的理論意義和工程應(yīng)用價(jià)值。針對(duì)以上問(wèn)題,本文針對(duì)行人目標(biāo)遮擋處理、形變以及小目標(biāo)檢測(cè)提出新的解決方案,提出了基于預(yù)處理和目標(biāo)優(yōu)先定位相結(jié)合的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法;利用NVIDIA的Jetson TX1的高性能處理器結(jié)合GPU加速,保證了基于卷積神經(jīng)... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：99 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及面臨的主要問(wèn)題
        1.2.1 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 面臨的主要問(wèn)題
    1.3 論文的主要工作及工作安排
        1.3.1 論文的主要工作
        1.3.2 研究?jī)?nèi)容
        1.3.3 本文的創(chuàng)新點(diǎn)
第二章 目標(biāo)檢測(cè)的相關(guān)理論
    2.1 引言
    2.2 圖像顏色理論模型基礎(chǔ)
        2.2.1 RGB及CMYK顏色模型
        2.2.2 顏色模型的轉(zhuǎn)換
    2.3 HOG行人目標(biāo)特征提取
    2.4 SVM分類器
        2.4.1 線性分類
        2.4.2 線性不可分
    2.5 深度學(xué)習(xí)相關(guān)理論
        2.5.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.5.2 深度置信網(wǎng)絡(luò)
    2.6 系統(tǒng)硬件概述
        2.6.1 嵌入式系統(tǒng)概述
        2.6.2 DJI的經(jīng)緯M100
        2.6.3 JETSON TX1簡(jiǎn)述
    2.7 本章小結(jié)
第三章 卷積神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)目標(biāo)檢測(cè)算法研究
    3.1 引言
    3.2 數(shù)據(jù)庫(kù)的篩選、設(shè)計(jì)以及實(shí)現(xiàn)
    3.3 數(shù)據(jù)預(yù)處理
        3.3.1 訓(xùn)練階段數(shù)據(jù)預(yù)處理
        3.3.2 網(wǎng)絡(luò)搭建中輸出層的改進(jìn)
    3.4 訓(xùn)練模型的框架搭建
        3.4.1 多方法融合確定疑似行人目標(biāo)
        3.4.2 改進(jìn)候選框的篩選規(guī)則
    3.5 本章小結(jié)
第四章 目標(biāo)檢測(cè)算法的實(shí)驗(yàn)論證
    4.1 引言
    4.2 傳統(tǒng)行人目標(biāo)檢測(cè)
    4.3 改進(jìn)算法的實(shí)驗(yàn)論證
        4.3.1 本文算法行人無(wú)遮擋的實(shí)驗(yàn)論證
        4.3.2 本文算法行人部分遮擋的實(shí)驗(yàn)論證
        4.3.3 本文算法行人發(fā)生形變時(shí)的實(shí)驗(yàn)論證
        4.3.4 本文算法行人小目標(biāo)的實(shí)驗(yàn)論證
        4.3.5 本文算法無(wú)人機(jī)目標(biāo)的實(shí)驗(yàn)論證
    4.4 本章小結(jié)
第五章 硬件系統(tǒng)的搭建和測(cè)試
    5.1 引言
    5.2 操作系統(tǒng)以及平臺(tái)的搭建
        5.2.1 硬件選擇和連接
        5.2.2 操作系統(tǒng)的安裝以及硬盤掛載
    5.3 4G網(wǎng)卡驅(qū)動(dòng)的安裝以及使用
    5.4 硬件系統(tǒng)分析
    5.5 本章小結(jié)
第六章 總結(jié)展望
    6.1 本文的工作總結(jié)
    6.2 論文的研究展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]實(shí)時(shí)目標(biāo)檢測(cè)算法YOLO的批再規(guī)范化處理[J]. 溫捷文,戰(zhàn)蔭偉,凌偉林,郭燦樟.  計(jì)算機(jī)應(yīng)用研究. 2018(10)
[2]基于YOLO v2的無(wú)人機(jī)航拍圖像定位研究[J]. 魏湧明,全吉成,侯宇青陽(yáng).  激光與光電子學(xué)進(jìn)展. 2017(11)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控視頻人數(shù)統(tǒng)計(jì)算法[J]. 馬海軍,王文中,翟素蘭,羅斌.  安徽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)[J]. 芮挺,費(fèi)建超,周遊,方虎生,朱經(jīng)緯.  計(jì)算機(jī)工程與應(yīng)用. 2016(13)
[5]深度學(xué)習(xí)研究進(jìn)展[J]. 劉建偉,劉媛,羅雄麟.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[6]自適應(yīng)多模快速背景差算法[J]. 梁華,劉云輝.  中國(guó)圖象圖形學(xué)報(bào). 2008(02)
[7]基于無(wú)人機(jī)圖像的實(shí)時(shí)人工目標(biāo)檢測(cè)[J]. 朱劍佑.  無(wú)線電工程. 2007(10)

博士論文
[1]基于計(jì)算機(jī)視覺(jué)的目標(biāo)檢測(cè)跟蹤及特征分類研究[D]. 楊超宇.中國(guó)礦業(yè)大學(xué)(北京) 2017
[2]無(wú)人機(jī)圖像中的典型目標(biāo)檢測(cè)與變化檢測(cè)方法研究[D]. 蘇昂.國(guó)防科學(xué)技術(shù)大學(xué) 2016
[3]基于視覺(jué)感知的無(wú)人機(jī)目標(biāo)識(shí)別與跟蹤技術(shù)研究[D]. 王海羅.北京理工大學(xué) 2015
[4]航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D]. 仝小敏.西北工業(yè)大學(xué) 2015
[5]基于計(jì)算機(jī)視覺(jué)的復(fù)雜場(chǎng)景下目標(biāo)跟蹤研究[D]. 賀文驊.西安電子科技大學(xué) 2015

碩士論文
[1]基于HOG的多特征融合行人檢測(cè)跟蹤系統(tǒng)[D]. 夏鵬飛.南昌航空大學(xué) 2017
[2]基于視頻的行人檢測(cè)方法研究[D]. 單志軍.中北大學(xué) 2017
[3]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)研究[D]. 付若楠.北京交通大學(xué) 2017
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤技術(shù)研究[D]. 唐爽碩.大連理工大學(xué) 2017
[5]基于無(wú)人機(jī)視頻的運(yùn)動(dòng)車輛檢測(cè)研究[D]. 王妍.北京交通大學(xué) 2017
[6]基于神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究[D]. 胡洋.西北大學(xué) 2017
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究[D]. 劉鍵.哈爾濱工業(yè)大學(xué) 2017
[8]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)系統(tǒng)的研發(fā)[D]. 韓飛騰.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2017
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的人體檢測(cè)方法研究[D]. 孫秀偉.大連海事大學(xué) 2017
[10]基于無(wú)人機(jī)視覺(jué)的運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤算法研究[D]. 張仁蒲.長(zhǎng)安大學(xué) 2017



本文編號(hào)：3013603