隨著科技進(jìn)步和社會(huì)發(fā)展,智能駕駛技術(shù)應(yīng)運(yùn)而生。環(huán)境感知是智能駕駛的基礎(chǔ)前提,為車輛提供正確的視覺信息。行人作為交通環(huán)境中的重要參與者,其動(dòng)作靈活多變,極易造成不必要的交通事故,且行人的運(yùn)動(dòng)狀態(tài)（位置、速度和加速度）影響過街意圖,結(jié)合行人的運(yùn)動(dòng)狀態(tài)和其他影響因素的情況下,可以對(duì)其過街意圖進(jìn)行預(yù)測(cè),避免不必要的事故發(fā)生。因此,本文主要從行人及其頭部方向的檢測(cè)、行人跟蹤及其運(yùn)動(dòng)狀態(tài)估計(jì)和行人過街意圖預(yù)測(cè)這三個(gè)方面展開研究。1、行人及其頭部方向檢測(cè)�；谏疃葘W(xué)習(xí)平臺(tái)Caffe,搭建Faster-Rcnn和Fast-Rcnn網(wǎng)絡(luò)框架,采集大量包含道路行人的場(chǎng)景圖片,利用LabelImg對(duì)場(chǎng)景圖片進(jìn)行標(biāo)簽文件標(biāo)注,制成樣本集,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到檢測(cè)行人和其頭部方向的網(wǎng)絡(luò)模型。比較不同網(wǎng)絡(luò)框架組合不同特征提取網(wǎng)絡(luò)的檢測(cè)效果,Faster-Rcnn+VGG16組合的檢測(cè)效果最好,整體準(zhǔn)確率接近90%。2、行人跟蹤及其運(yùn)動(dòng)狀態(tài)估計(jì)。建立顏色分布模型,將顏色分布轉(zhuǎn)化為粒子濾波,與基于邊緣的運(yùn)動(dòng)圖像特征相結(jié)合,利用巴氏距離更新粒子濾波計(jì)算的先驗(yàn)概率,達(dá)到跟蹤行人的效果且跟蹤效果良好;基于常加速CA模型,建... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究進(jìn)展
        1.2.1 行人及頭部方向檢測(cè)
        1.2.2 行人跟蹤
        1.2.3 行人過街意圖預(yù)測(cè)
    1.3 研究?jī)?nèi)容與框架
        1.3.1 研究?jī)?nèi)容
        1.3.2 論文框架
2 行人及其頭部方向檢測(cè)
    2.1 引言
    2.2 深度學(xué)習(xí)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)及其結(jié)構(gòu)和功能
        2.3.1 卷積
        2.3.2 池化
        2.3.3 稀疏連接
        2.3.4 權(quán)值共享
    2.4 基于深度學(xué)習(xí)的行人及頭部方向檢測(cè)
        2.4.1 Fast-Rcnn
        2.4.2 Faster-Rcnn
        2.4.3 數(shù)據(jù)集和實(shí)驗(yàn)準(zhǔn)備
        2.4.4 模型的訓(xùn)練
    2.5 實(shí)驗(yàn)結(jié)果分析
    2.6 本章小結(jié)
3 行人跟蹤及運(yùn)動(dòng)狀態(tài)估計(jì)
    3.1 引言
    3.2 粒子濾波
        3.2.1 蒙特卡洛采樣
        3.2.2 重要性采樣
        3.2.3 序貫重要性采樣
        3.2.4 重采樣
        3.2.5 粒子濾波的算法流程
    3.3 基于顏色的粒子濾波行人跟蹤
        3.3.1 顏色分布模型
        3.3.2 基于顏色的粒子濾波
        3.3.3 目標(biāo)模型更新
        3.3.4 粒子濾波初始化
    3.4 行人的運(yùn)動(dòng)狀態(tài)估計(jì)
        3.4.1 運(yùn)動(dòng)模型的表示及選擇
        3.4.2 基于車載相機(jī)的前方行人運(yùn)動(dòng)狀態(tài)模型
        3.4.3 行人狀態(tài)估計(jì)的狀態(tài)模型和量測(cè)模型
    3.5 實(shí)驗(yàn)與分析
        3.5.1 基于顏色的粒子濾波行人跟蹤實(shí)驗(yàn)分析
        3.5.2 行人運(yùn)動(dòng)狀態(tài)估計(jì)
    3.6 本章小結(jié)
4 基于貝葉斯網(wǎng)絡(luò)的行人過街意圖預(yù)測(cè)
    4.1 引言
    4.2 貝葉斯網(wǎng)絡(luò)
        4.2.1 貝葉斯網(wǎng)絡(luò)基礎(chǔ)
        4.2.2 貝葉斯網(wǎng)絡(luò)的介紹
        4.2.3 貝葉斯網(wǎng)絡(luò)的搭建
        4.2.4 貝葉斯網(wǎng)絡(luò)的分類
    4.3 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法
        4.3.1 基于評(píng)分搜索方法
        4.3.2 基于貝葉斯統(tǒng)計(jì)的評(píng)分函數(shù)
        4.3.3 搜索策略
    4.4 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法
        4.4.1 最大似然估計(jì)
        4.4.2 貝葉斯估計(jì)
    4.5 貝葉斯網(wǎng)絡(luò)推理算法
        4.5.1 聯(lián)合樹推理算法
        4.5.2 變分推理算法
    4.6 基于貝葉斯網(wǎng)絡(luò)的行人過街意圖預(yù)測(cè)模型建立
        4.6.1 參數(shù)確定
        4.6.2 貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)
        4.6.3 節(jié)點(diǎn)變量先驗(yàn)概率的確定
        4.6.4 貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)
    4.7 行人過街預(yù)測(cè)的貝葉斯網(wǎng)絡(luò)推理
    4.8 本章小結(jié)
5 單目測(cè)距驗(yàn)證實(shí)驗(yàn)
    5.1 引言
    5.2 特征提取
    5.3 測(cè)距驗(yàn)證方案
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]多尺度卷積神經(jīng)網(wǎng)絡(luò)的頭部姿態(tài)估計(jì)[J]. 梁令羽,張?zhí)焯?何為.  激光與光電子學(xué)進(jìn)展. 2019(13)
[2]基于深度卷積網(wǎng)絡(luò)與尺度不變特征變換的行人跟蹤框架[J]. 陳凱,宋曉,劉敬.  中國(guó)科學(xué):信息科學(xué). 2018(07)
[3]一種基于多層RBM網(wǎng)絡(luò)和SVM的行人檢測(cè)方法研究[J]. 王銀,王立德,邱霽,申萍,杜欣.  鐵道學(xué)報(bào). 2018(03)
[4]基于優(yōu)化核函數(shù)支持向量機(jī)在行人檢測(cè)中的應(yīng)用[J]. 楊萌,張葆,宋玉龍.  激光與光電子學(xué)進(jìn)展. 2018(04)
[5]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)在行人檢測(cè)中的應(yīng)用[J]. 謝林江,季桂樹,彭清,羅恩韜.  計(jì)算機(jī)科學(xué)與探索. 2018(05)
[6]基于YOLO網(wǎng)絡(luò)的行人檢測(cè)方法[J]. 高宗,李少波,陳濟(jì)楠,李政杰.  計(jì)算機(jī)工程. 2018(05)
[7]基于加速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的夜間行人檢測(cè)研究[J]. 葉國(guó)林,孫韶媛,高凱珺,趙海濤.  激光與光電子學(xué)進(jìn)展. 2017(08)
[8]中國(guó)制造2025與工業(yè)4.0對(duì)比解析及中國(guó)汽車產(chǎn)業(yè)應(yīng)對(duì)策略[J]. 趙福全,劉宗巍,史天澤.  科技進(jìn)步與對(duì)策. 2017(14)
[9]一種聯(lián)合文本和圖像信息的行人檢測(cè)方法[J]. 周炫余,劉娟,盧笑,邵鵬,羅飛.  電子學(xué)報(bào). 2017(01)
[10]基于聯(lián)合多特征直方圖的Mean Shift行人跟蹤方法研究[J]. 王愛麗,董寶田,孫遠(yuǎn)運(yùn),武威.  鐵道學(xué)報(bào). 2016(12)

博士論文
[1]智能車輛自主導(dǎo)航中避障路徑規(guī)劃與跟蹤控制研究[D]. 汪明磊.合肥工業(yè)大學(xué) 2013
[2]貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與推理研究[D]. 朱明敏.西安電子科技大學(xué) 2013

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究及其在基音檢測(cè)中的應(yīng)用[D]. 黃志強(qiáng).內(nèi)蒙古大學(xué) 2015
[2]基于視頻的行人檢測(cè)與跟蹤技術(shù)研究[D]. 向應(yīng).西南交通大學(xué) 2014



本文編號(hào)：3152527