在交通場景理解中,基于視覺的目標(biāo)檢測與場景分割發(fā)揮著重要的作用。本課題主要來源于國家自然科學(xué)基金重大項目“自主駕駛車輛關(guān)鍵技術(shù)與集成驗證平臺”與國家自然科學(xué)基金重點項目“任務(wù)相關(guān)視覺注意機制與非安全駕駛狀態(tài)分析方法研究”。課題圍繞交通場景理解技術(shù)中的視覺目標(biāo)檢測與場景分割問題展開研究,提出了有效的目標(biāo)檢測與場景分割方法,提高了無人駕駛系統(tǒng)與高級駕駛輔助系統(tǒng)(ADAS)的交通場景理解能力。本文的主要成果和創(chuàng)新點如下:(1)提出了一種基于單層卷積策略的感興趣區(qū)域提取算法,此算法能夠快速過濾掉大量不包含目標(biāo)的圖像區(qū)域,避免了檢測器在圖像中進(jìn)行貪婪式搜索,從而大大提高了目標(biāo)檢測的效率;同時,該算法能夠從圖像中去除大量的負(fù)樣本,從而降低了后續(xù)算法所需要分類的樣本數(shù)量,使得后端目標(biāo)檢測器具有更高的召回率以及更低的虛警率。(2)提出了一種基于多種群遺傳算法的自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整方法,在給定基本網(wǎng)絡(luò)架構(gòu)之后,此方法能夠啟發(fā)式的對每一層卷積核數(shù)量以及特征通道數(shù)量進(jìn)行選擇,有效的簡化了卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計過程,同時能夠有效的平衡網(wǎng)絡(luò)性能與網(wǎng)絡(luò)規(guī)模之間的關(guān)系。同時,提出了一種基于TLD(Tracking-Lea...

【文章頁數(shù)】：129 頁

【學(xué)位級別】：博士

【部分圖文】：

圖1.2DARPA無人駕駛挑戰(zhàn)賽

國防科技大學(xué)研究生院博士學(xué)位論文人駕駛汽車發(fā)展中具有十分重要的意義，它推動了無人駕駛技術(shù)的革命[22]。之后，無人駕駛技術(shù)迅速發(fā)展，越來越多的研究者開始關(guān)注復(fù)雜交通路況下的場景理解與無人駕駛問題[23]。圖1.2DARPA無人駕駛挑戰(zhàn)賽進(jìn)入21世紀(jì)以后，隨著人工智能和模式識別技術(shù)....

圖1.3特斯拉ModelS無人駕駛測試

國防科技大學(xué)研究生院博士學(xué)位論文圖1.3特斯拉ModelS無人駕駛測試能，其無人駕駛技術(shù)在當(dāng)時處于世界先進(jìn)水平[31]。2011年，國防科技大學(xué)研制的HQ3無人駕駛汽車在復(fù)雜交通場景下進(jìn)行測試，并完成了長沙至武漢286公里的高速公路無人駕駛實驗，途中完成自主超車67次，全程平均時....

圖1.4國防科技大學(xué)HQ3無人駕駛汽車

國防科技大學(xué)研究生院博士學(xué)位論文圖1.3特斯拉ModelS無人駕駛測試能，其無人駕駛技術(shù)在當(dāng)時處于世界先進(jìn)水平[31]。2011年，國防科技大學(xué)研制的HQ3無人駕駛汽車在復(fù)雜交通場景下進(jìn)行測試，并完成了長沙至武漢286公里的高速公路無人駕駛實驗，途中完成自主超車67次，全程平均時....

圖1.5Mobileye公司研發(fā)的EyeQ系列高級駕駛輔助系統(tǒng)芯片

FD）可顯著的降低這類交通事故發(fā)生的概率[57]。部分疲勞監(jiān)測系統(tǒng)通過生理傳感器來監(jiān)測駕駛員的心率、大腦狀態(tài)等生理活動[58]，然而，這類系統(tǒng)往往需要駕駛員佩戴一些生理傳感器，大大影響了系統(tǒng)使用的舒適性與便捷性�；谝曈X的方法是目前最舒適與便捷的疲勞監(jiān)測解決方案[59]。通常駕駛....

本文編號：3897716