近年來,隨著越來越多的汽車進入普通家庭,私人汽車在人們的日常占據(jù)著越來越重要的地位。同時,隨著汽車數(shù)量的快速增加,與汽車相關(guān)的違法行為也越來越多,因此對于交通視頻的分析成為安防領域迫切需求。隨著人工智能技術(shù)的快速發(fā)展,智能安防領域得到了越來越多的重視。交通視頻分析作為安防領域的重要內(nèi)容,也一直備受關(guān)注。早期由于技術(shù)的不成熟,復雜場景的視頻結(jié)構(gòu)化分析一直很難實現(xiàn)。但是隨著深度學習的出現(xiàn),使得這種大規(guī)模復雜場景的視頻分析變得可能。目前,深度學習已經(jīng)被廣泛使用在不同領域的研究和應用中,例如圖像識別、語音識別、以及自然語言理解等。交通視頻結(jié)構(gòu)化主要依賴于計算對于監(jiān)控視頻的智能分析,并從視頻中提取車輛的基本信息,包括車輛的顏色、品牌、車牌等信息。提取的信息將被保存到數(shù)據(jù)庫,以供后期的分析和有效信息的挖掘。交通視頻結(jié)構(gòu)化化的過程中,涉及車輛和車牌檢測、車牌識別、車輛品牌識別以及目標跟蹤等問題。本文結(jié)合目前深度系學習在目標檢測、OCR、圖像分類的以及目標跟蹤相關(guān)的最新技術(shù),提出了一系列方法,用于解決交通視頻結(jié)構(gòu)化過程中需要解決的圖像識別問題。同時在系統(tǒng)的開發(fā)過程中,開發(fā)了用于深度學習模型訓練和推理的... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

車輛監(jiān)控早期由于科學技術(shù)的不成熟，復雜場景的視頻結(jié)構(gòu)化分析一直很難實現(xiàn)

哈爾濱工業(yè)大學工程碩士學位論文出現(xiàn)了轉(zhuǎn)機。目前，在圖像識別的三個基本問題，分類、檢測以及分上，深度學習都取得了長足的進步。而且在 2014 年的 IMAGENET 競賽機在圖像分類上首次超過了人類。目前計算機在人臉識別、語音識別域上的表現(xiàn)均超過了人類的平均水平。這也意味著以深度學習為基礎能技術(shù)，在多個領域已經(jīng)開始走向?qū)嵱没?

哈爾濱工業(yè)大學工程碩士學位論文相遇并計算乘加計算。由于矩陣 A 和動，每經(jīng)歷一個時鐘節(jié)拍，數(shù)據(jù)就往行乘加計算。當然為了保證對應的數(shù)陣 A 的行數(shù)據(jù)不是同時進入陣列而是也是依次間隔一個時鐘進入陣列。如果加計算，那么對于一個 N*N 大小的陣經(jīng)歷 2N 個計算周期。例如 Google 的完成 256x256 大小的兩個矩陣相乘只的 CPU 需要的計算周期是 256x256x2 ASIC 芯片效率之高。

【參考文獻】：
博士論文
[1]脫機中文手寫識別—從孤立漢字到真實文本[D]. 蘇統(tǒng)華.哈爾濱工業(yè)大學 2008



本文編號：3297901