隨著國(guó)家經(jīng)濟(jì)的快速發(fā)展,近年來(lái)我國(guó)的乘用車增長(zhǎng)保持較高的速度,然而隨著汽車數(shù)目數(shù)量的增加,交通管理也面臨著諸多問(wèn)題。在復(fù)雜的交通網(wǎng)絡(luò)中存在大量的汽車交通擁堵問(wèn)題,因此目標(biāo)識(shí)別和跟蹤技術(shù)尤為重要,尤其是在犯罪跟蹤和目標(biāo)識(shí)別方面。本文以萊蕪市智慧交通系統(tǒng)為例,主要研究基于智慧交通網(wǎng)絡(luò)下的全方位目標(biāo)識(shí)別和跟蹤技術(shù)。對(duì)智慧交通網(wǎng)絡(luò)及目標(biāo)識(shí)別和跟蹤的國(guó)內(nèi)外現(xiàn)狀進(jìn)行了調(diào)研,結(jié)合國(guó)內(nèi)外智慧交通系統(tǒng)發(fā)展,完成了萊蕪市智慧交通系統(tǒng)設(shè)計(jì)。本文對(duì)交通監(jiān)控網(wǎng)絡(luò)中圖像的預(yù)處理和后處理技術(shù)手段進(jìn)行了詳細(xì)的介紹,介紹了圖像特征提取方法,提出了基于自適應(yīng)遺傳的圖像特征提取算法。該方法克服了傳統(tǒng)方法容易陷入局部最優(yōu)的缺點(diǎn),通過(guò)使用符號(hào)回歸實(shí)驗(yàn)對(duì)其特征提取的效果進(jìn)行了驗(yàn)證。研究了智慧交通監(jiān)控中的目標(biāo)檢測(cè)算法,提出了基于自編碼神經(jīng)網(wǎng)絡(luò)和softmax的移動(dòng)目標(biāo)檢測(cè)算法,該級(jí)聯(lián)式深度神經(jīng)網(wǎng)絡(luò)算法經(jīng)過(guò)訓(xùn)練后可以快速和有效地識(shí)別移動(dòng)物體。經(jīng)過(guò)所在市的交通相機(jī)拍攝算法屏幕驗(yàn)證,效果非常顯著。最后進(jìn)行了基于智慧交通監(jiān)控網(wǎng)絡(luò)的目標(biāo)跟蹤算法的研究,提出來(lái)基于EKF預(yù)測(cè)采樣的粒子濾波和基于卡爾曼濾波的特征匹配跟蹤算法,結(jié)合這兩種算法進(jìn)行了... 

【文章來(lái)源】：青島理工大學(xué)山東省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

電子警察系統(tǒng)架構(gòu)圖

青島理工大學(xué)工程碩士學(xué)位論文8圖2.2車牌識(shí)別原理圖2.3.2微卡口監(jiān)控系統(tǒng)微型卡口監(jiān)控系統(tǒng)是復(fù)合高清視頻監(jiān)控系統(tǒng)。在滿足常規(guī)道路監(jiān)控系統(tǒng)的視頻監(jiān)控要求以完全覆蓋路段和全天候高清視頻記錄的要求的同時(shí)，引入了多種行業(yè)領(lǐng)先的視頻智能技術(shù)，例如全屏視頻檢測(cè)，視頻跟蹤和車牌識(shí)別。該系統(tǒng)具有記錄機(jī)動(dòng)車交通，捕獲圖片并同時(shí)自動(dòng)提取車輛的特征屬性(車牌號(hào)，車牌顏色)以及自動(dòng)疊加要素屬性的視頻標(biāo)簽。微型卡口監(jiān)控系統(tǒng)如圖2.3所示，負(fù)責(zé)收集，編碼，壓縮和上傳路段的高清視頻圖像，并完成汽車的信息收集和識(shí)別。包括車輛特征照片，車牌號(hào)和車牌顏色等。并完成圖像信息識(shí)別，圖像緩存和壓縮上傳等功能，主要由智能監(jiān)控單元組成。

青島理工大學(xué)工程碩士學(xué)位論文9圖2.3微卡口監(jiān)控子系統(tǒng)架構(gòu)圖2.3.3高清卡口系統(tǒng)高清智能卡口系統(tǒng)如圖2.4所示，它負(fù)責(zé)收集車輛，非機(jī)動(dòng)車，行人等全面信息，包括目標(biāo)特征照片，車牌號(hào)和車牌顏色等，并完成圖像信息的功能識(shí)別，圖像緩存和壓縮上傳。它由一個(gè)識(shí)別處理單元(卡口捕捉單元和補(bǔ)光燈)，一個(gè)前端圖像處理和上載單元(終端服務(wù)器)組成。圖2.4高清卡口系統(tǒng)架構(gòu)圖2.3.4移動(dòng)采集系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于激光掃描的智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤研究[J]. 阮文惠,李志浩,黃珍.  激光雜志. 2019(04)
[2]國(guó)際智能交通系統(tǒng)研發(fā)熱點(diǎn)[J]. 王笑京,張紀(jì)升,宋向輝,汪林.  科技導(dǎo)報(bào). 2019(06)
[3]基于線性解碼和深度回歸預(yù)測(cè)的圖像分類算法[J]. 張鴻,伍萍.  計(jì)算機(jī)應(yīng)用與軟件. 2016(11)
[4]一種基于改進(jìn)粒子濾波的多目標(biāo)檢測(cè)與跟蹤方法[J]. 周明,涂宏斌.  華東交通大學(xué)學(xué)報(bào). 2016(02)
[5]基于棧式降噪自編碼神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別[J]. 賈文其,李明,朱美強(qiáng),王軍.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(03)
[6]一種稀疏降噪自編碼神經(jīng)網(wǎng)絡(luò)研究[J]. 張成剛,姜靜清.  內(nèi)蒙古民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[7]基于自編碼神經(jīng)網(wǎng)絡(luò)的高分辨率距離像降維法[J]. 張建強(qiáng),汪厚祥,楊紅梅.  解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[8]基于神經(jīng)網(wǎng)絡(luò)和光流場(chǎng)的嵌入式高速目標(biāo)識(shí)別與跟蹤（英文）[J]. 蘇金瀧,HERBERT H C IU,FERNANDO T.  中國(guó)公路學(xué)報(bào). 2015(11)
[9]基于主成分分析和Softmax回歸模型的人臉識(shí)別方法[J]. 汪海波,陳雁翔,李艷秋.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)
[10]基于深度學(xué)習(xí)的交通擁堵預(yù)測(cè)模型研究[J]. 譚娟,王勝春.  計(jì)算機(jī)應(yīng)用研究. 2015(10)

博士論文
[1]基于特征學(xué)習(xí)的目標(biāo)檢測(cè)、跟蹤、識(shí)別算法研究[D]. 喻曉源.華中科技大學(xué) 2014
[2]基于激光雷達(dá)的智能車輛目標(biāo)識(shí)別與跟蹤關(guān)鍵技術(shù)研究[D]. 周俊靜.北京工業(yè)大學(xué) 2014

碩士論文
[1]復(fù)雜環(huán)境下基于圖像特征的交通事件檢測(cè)算法研究[D]. 王祥波.華南理工大學(xué) 2015
[2]運(yùn)動(dòng)車輛目標(biāo)提取與跟蹤技術(shù)研究[D]. 龔香.電子科技大學(xué) 2015
[3]智能視頻的目標(biāo)檢測(cè)與目標(biāo)跟蹤算法研究[D]. 陳海濤.電子科技大學(xué) 2015
[4]視頻多目標(biāo)跟蹤方法研究[D]. 段紅巖.西安電子科技大學(xué) 2014
[5]基于自編碼神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類[D]. 劉宸榮.西安電子科技大學(xué) 2014
[6]基于視頻的車輛檢測(cè)與跟蹤技術(shù)研究[D]. 吳小康.蘭州交通大學(xué) 2014
[7]基于智能體模型的行人跟蹤算法研究[D]. 張蝶.燕山大學(xué) 2014
[8]移動(dòng)攝像下目標(biāo)檢測(cè)與跟蹤研究[D]. 郭義凡.廈門大學(xué) 2014
[9]基于機(jī)器視覺的車輛前方危險(xiǎn)目標(biāo)識(shí)別及風(fēng)險(xiǎn)評(píng)估研究[D]. 楊方宜.昆明理工大學(xué) 2014
[10]復(fù)雜場(chǎng)景下車輛（動(dòng)目標(biāo)）的識(shí)別和跟蹤技術(shù)研究[D]. 戴夏強(qiáng).南京航空航天大學(xué) 2014



本文編號(hào)：3347729