基于实时视频对非机动车违法行为的自动判别关键技术研究
发布时间：2023-04-09 15:05
立法规范非机动车的管理是我省近年来交通管理的中心方向,而在人工智能和智能交通领域中,对非机动车的检测、车牌检测与识别以及非机动车的违法行为自动判别等技术比较少见,且相较于现有的机动车检测与车牌识别等技术来说,非机动车检测与车牌识别的环境复杂,难度较大。本文提出了一种非机动车检测方法,先利用基于Canny算子的分数阶微分法结合差分后的图像,提取视频中运动的非机动车车辆轮廓,并利用肤色过滤检测、几何特征判别等方法,将提取到的非机动车车辆轮廓进行了过滤,利用这些提取到的非机动车车辆图片辅助训练级联的卷积神经网络,以有效提升算法的性能。实践表明,这种方法在保持深度学习技术在目标检测方面的优势的基础之上,提升了深度神经网络的检测性能,降低了非机动车检测的残差错误率,还克服了采集目标样本的困难。以非机动车检测为铺垫,提出了一种非机动车车牌检测方法,在提取到的非机动车车辆轮廓图中利用非机动车车牌底色颜色聚类、车牌外接矩形比例判别等方法检测非机动车车牌图像,该方法提升了非机动车车牌图像检测的速度,提升了其检测的速度和准确度。对基于上述提取到的非机动车车牌的车牌图像,提出了一种非机动车车牌识别方法,针对...
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景
1.2 课题研究的目的和意义
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 非机动车违法行为自动判别关键技术的难点
1.5 主要研究内容
1.6 论文主要章节安排
第2章 BP神经网络和深度学习
2.1 BP神经网络
2.1.1 BP神经网络的激活函数
2.1.2 改进型BP神经网络
2.2 卷积神经网络
2.3 Faster R-CNN的概述
2.4 R-CNN检测感兴趣目标检测
2.4.1 R-CNN候选区域的生成
2.4.2 边框回归
2.5 Softmax函数代替SVM
2.6 RPN区域建议网络
2.6.1 RPN区域建议网络的平移不变性
2.6.2 RPN区域建议网络的训练
2.7 本章小结
第3章 非机动车检测技术研究
3.1 运动目标检测方法
3.1.1 帧间差分法
3.1.2 两帧差法
3.1.3 多帧差法
3.2 非机动车检测方法
3.3 非机动车检测方法算法步骤
3.4 级联的卷积神经网络检测非机动车
3.5 实验过程及结果分析
3.5.1 非机动车检测方法的主要算法步骤的实验及对比
3.5.2 非机动车检测方法与Faster R-CNN网络、SVM+MOG以及非机动车检测方法的综合对比
3.5.3 检测非机动车的平均残差错误率对比
3.5.4 实验小结
3.6 本章小结
第4章 非机动车车牌检测与识别技术研究
4.1 不同颜色格式的车牌
4.2 非机动车车牌检测方法
4.2.1 选取车牌候选轮廓
4.2.2 聚类提取车牌颜色的底色
4.3 非机动车车牌检测方法算法步骤
4.4 非机动车车牌检测实验结果与分析
4.5 非机动车车牌识别方法
4.5.1 车牌的黑白翻转
4.5.2 BP神经网络识别数字和中文字符并获取数字边框
4.5.3 判别位数并进行边界搜索
4.6 非机动车车牌识别方法算法步骤
4.7 非机动车车牌识别方法的实验结果与对比分析
4.7.1 非机动车车牌识别方法中的关键过程实验结果与对比分析
4.7.2 非机动车车牌识别方法与Riesz分数模型的方法[4]对非机动车车牌目标区域检测的对比
4.7.3 非机动车完整车牌与非机动车车牌目标区域的数字、字符识别的对比
4.7.4 实验小结
4.8 本章小结
第5章 非机动车闯红灯行为自动判别技术研究
5.1 轨迹提取法的非机动车闯红灯行为判别模型
5.1.1 自适应均值漂移跟踪非机动车
5.1.2 轨迹提取
5.2 轨迹提取法的算法步骤
5.3 轨迹提取法实验结果与对比分析
5.4 本章小结
第6章 总结与展望
参考文献
本文作者硕士期间参加的科研项目及科研成果
致谢
本文编号：3787232
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景
1.2 课题研究的目的和意义
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 非机动车违法行为自动判别关键技术的难点
1.5 主要研究内容
1.6 论文主要章节安排
第2章 BP神经网络和深度学习
2.1 BP神经网络
2.1.1 BP神经网络的激活函数
2.1.2 改进型BP神经网络
2.2 卷积神经网络
2.3 Faster R-CNN的概述
2.4 R-CNN检测感兴趣目标检测
2.4.1 R-CNN候选区域的生成
2.4.2 边框回归
2.5 Softmax函数代替SVM
2.6 RPN区域建议网络
2.6.1 RPN区域建议网络的平移不变性
2.6.2 RPN区域建议网络的训练
2.7 本章小结
第3章 非机动车检测技术研究
3.1 运动目标检测方法
3.1.1 帧间差分法
3.1.2 两帧差法
3.1.3 多帧差法
3.2 非机动车检测方法
3.3 非机动车检测方法算法步骤
3.4 级联的卷积神经网络检测非机动车
3.5 实验过程及结果分析
3.5.1 非机动车检测方法的主要算法步骤的实验及对比
3.5.2 非机动车检测方法与Faster R-CNN网络、SVM+MOG以及非机动车检测方法的综合对比
3.5.3 检测非机动车的平均残差错误率对比
3.5.4 实验小结
3.6 本章小结
第4章 非机动车车牌检测与识别技术研究
4.1 不同颜色格式的车牌
4.2 非机动车车牌检测方法
4.2.1 选取车牌候选轮廓
4.2.2 聚类提取车牌颜色的底色
4.3 非机动车车牌检测方法算法步骤
4.4 非机动车车牌检测实验结果与分析
4.5 非机动车车牌识别方法
4.5.1 车牌的黑白翻转
4.5.2 BP神经网络识别数字和中文字符并获取数字边框
4.5.3 判别位数并进行边界搜索
4.6 非机动车车牌识别方法算法步骤
4.7 非机动车车牌识别方法的实验结果与对比分析
4.7.1 非机动车车牌识别方法中的关键过程实验结果与对比分析
4.7.2 非机动车车牌识别方法与Riesz分数模型的方法[4]对非机动车车牌目标区域检测的对比
4.7.3 非机动车完整车牌与非机动车车牌目标区域的数字、字符识别的对比
4.7.4 实验小结
4.8 本章小结
第5章 非机动车闯红灯行为自动判别技术研究
5.1 轨迹提取法的非机动车闯红灯行为判别模型
5.1.1 自适应均值漂移跟踪非机动车
5.1.2 轨迹提取
5.2 轨迹提取法的算法步骤
5.3 轨迹提取法实验结果与对比分析
5.4 本章小结
第6章 总结与展望
参考文献
本文作者硕士期间参加的科研项目及科研成果
致谢
本文编号：3787232
本文链接：https://www.wllwen.com/falvlunwen/xingzhengfalunwen/3787232.html
