基于多视频关联的车辆追踪与识别
发布时间：2021-01-06 01:15
智能交通及道路智能监控系统是目前信息技术的研究热点之一,随着我国车辆保有量的增加以及交通问题日益凸显,得到了广泛的应用和关注。车辆追踪识别作为相关领域中的重要基础技术,随着图像处理相关技术的逐渐发展成熟,也受到了越来越多研究人员的关注。本文以道路环境下的车辆追踪识别问题为研究对象,通过理论研究和实验分析的手段,致力于更深入彻底的研究车辆追踪识别问题,力求提升车辆追踪识别的准确率及鲁棒性。本文综合分析了国内外车辆追踪识别技术的研究进展,从目标追踪和目标识别两个方面阐述了现有的技术及其对应特点。重点分析了现有目标追踪方法中的候选目标搜索问题,以及由于局部搜索距离产生的目标遗漏、目标形变不适应的问题;论文针对基于单一摄像头方法在道路场景中的局限性,提出了以下基于多摄像头的车辆追踪识别改进方案。首先,针对局部搜索丢失目标、对形变不鲁棒的问题,提出了基于目标检测思路的全局搜索方法。该方案融合一阶和二阶深度目标检测方法的思想,结合追踪目标信息,在当前帧全局信息中搜索候选目标,以提高搜索精度。其次,针对单一摄像头无法处理车辆角度变化的缺点,本文提出基于多摄像头的车辆追踪方法,利用多摄像头追踪结果在线...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２－１卷积流程??Ｆｉｇ?２－１?Ｃｏｎｖｏｌｕｔｉｏｎ?Ｏｐｅｒａｔｉｏｎ??
加（２－３）??从图２＿２（ｂ）中可以发现，ｔａｎｈ函数的均值为零，解决了?ｓｉｇｍｏｉｄ函数均值??不为零的问题，但ｔａｎｈ函数的导数大部分区域趋向于零，且ｔａｎｈ函数结构复杂，??故梯度消失和幂运算的问题仍存在。??Ｒｅｌｕ解析式如下：??Ｒｅｌｕ（ｘ）?＝?ｍａｘ（０，?ｘ）?（２－４）??从图２－２（ｃ）中可以发现，Ｒｅｌｕ在负区间导数为零，在正区间导数为一，因??此在反向传播时不会积累多个趋向于零的梯度，解决了梯度小时的问题；且Ｒｅｌｕ??函数结构简单，只需判断是否大于零就可以得到导数，便于计算。但Ｒｅｌｕ的输出??并非零均值，且Ｒｅｌｕ函数在学习速度过高时，由于Ｒｅｌｕ函数在负区间为零会导致??某些神经元不会被激活。??Ｌｅａｋｙ?Ｒｅｌｕ解析式如下：??ＬｅａｋｙＲｅｌｕ（ｘ）?＝?ｍ＾＼｛ａｘ，ｘ）?（２－５）??如图２＿２（ｄ）所示
北京交通大学硕士学位论文?车辆追踪识别关键技术??（２）池化层??在卷积神经网络结构中，卷积层后一般都会连接池化层。常用的池化方法包括??最大值池化，均值池化两种。??当使用２＊２的池化区域以及步长为２时，最大值池化如图２－３（ａ）所示，均值??池化如图２－３（ｂ）所示。与卷积层类似，池化方法按一定的步长，将赤化区域的所??有特征值合并为一个特征值输出。在最大值池化方法中，输出多个特征值中的最大??值，而在均值池化中，输出所有特征值的均值。??池化层的主要目的的为特征矩阵降维，在卷积层的运算中输出中，相邻的输出??特征值的输入之间相交部分较大，因此特征值之间存在一定的重复，经过池化层，??可以消除冗余特征值，降低模型的复杂度，同时也扩大了下个卷积层的感受野。??
【参考文献】：
期刊论文
[1]基于Kalman算法改进的Camshift运动目标跟踪算法[J]. 杨军,汤全武,张昊楠. 信息通信. 2018(12)
[2]基于CamShift的监控视频中运动目标跟踪算法研究[J]. 李亚文,赵杰,张鑫. 舰船电子工程. 2018(09)
[3]一种基于MeanShift算法的目标跟踪系统的设计与实现[J]. 沈豪,庄建军,郑茜颖,吴建耀. 电子测量技术. 2018(14)
[4]“直方图”均衡化图像增强技术研究综述[J]. 丁畅,董丽丽,许文海. 计算机工程与应用. 2017(23)
[5]基于五帧差分和改进的Meanshift算法的运动目标跟踪[J]. 陈双叶,王善喜. 计算机科学. 2016(S1)
[6]SURF算法并行优化及硬件实现[J]. 赵春阳,赵怀慈. 计算机辅助设计与图形学学报. 2015(02)
[7]直方图均衡化的数学模型研究[J]. 吴成茂. 电子学报. 2013(03)
[8]彩色图像分割方法综述[J]. 林开颜,吴军辉,徐立鸿. 中国图象图形学报. 2005(01)
[9]机器视觉中的颜色问题及应用[J]. 陶霖密,徐光祐. 科学通报. 2001(03)
博士论文
[1]基于结构的纹理特征及应用研究[D]. 夏瑜.中国科学技术大学 2014
[2]图像直方图特征及其应用研究[D]. 汪启伟.中国科学技术大学 2014
[3]基于轮廓特征的目标识别研究[D]. 史思琦.西安电子科技大学 2012
硕士论文
[1]一种机动目标跟踪滤波算法及其应用研究[D]. 武必胜.南京理工大学 2008
[2]基于OpenCV的运动目标检测与跟踪[D]. 吴晓阳.浙江大学 2008
本文编号：2959645
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２－１卷积流程??Ｆｉｇ?２－１?Ｃｏｎｖｏｌｕｔｉｏｎ?Ｏｐｅｒａｔｉｏｎ??
加（２－３）??从图２＿２（ｂ）中可以发现，ｔａｎｈ函数的均值为零，解决了?ｓｉｇｍｏｉｄ函数均值??不为零的问题，但ｔａｎｈ函数的导数大部分区域趋向于零，且ｔａｎｈ函数结构复杂，??故梯度消失和幂运算的问题仍存在。??Ｒｅｌｕ解析式如下：??Ｒｅｌｕ（ｘ）?＝?ｍａｘ（０，?ｘ）?（２－４）??从图２－２（ｃ）中可以发现，Ｒｅｌｕ在负区间导数为零，在正区间导数为一，因??此在反向传播时不会积累多个趋向于零的梯度，解决了梯度小时的问题；且Ｒｅｌｕ??函数结构简单，只需判断是否大于零就可以得到导数，便于计算。但Ｒｅｌｕ的输出??并非零均值，且Ｒｅｌｕ函数在学习速度过高时，由于Ｒｅｌｕ函数在负区间为零会导致??某些神经元不会被激活。??Ｌｅａｋｙ?Ｒｅｌｕ解析式如下：??ＬｅａｋｙＲｅｌｕ（ｘ）?＝?ｍ＾＼｛ａｘ，ｘ）?（２－５）??如图２＿２（ｄ）所示
北京交通大学硕士学位论文?车辆追踪识别关键技术??（２）池化层??在卷积神经网络结构中，卷积层后一般都会连接池化层。常用的池化方法包括??最大值池化，均值池化两种。??当使用２＊２的池化区域以及步长为２时，最大值池化如图２－３（ａ）所示，均值??池化如图２－３（ｂ）所示。与卷积层类似，池化方法按一定的步长，将赤化区域的所??有特征值合并为一个特征值输出。在最大值池化方法中，输出多个特征值中的最大??值，而在均值池化中，输出所有特征值的均值。??池化层的主要目的的为特征矩阵降维，在卷积层的运算中输出中，相邻的输出??特征值的输入之间相交部分较大，因此特征值之间存在一定的重复，经过池化层，??可以消除冗余特征值，降低模型的复杂度，同时也扩大了下个卷积层的感受野。??
【参考文献】：
期刊论文
[1]基于Kalman算法改进的Camshift运动目标跟踪算法[J]. 杨军,汤全武,张昊楠. 信息通信. 2018(12)
[2]基于CamShift的监控视频中运动目标跟踪算法研究[J]. 李亚文,赵杰,张鑫. 舰船电子工程. 2018(09)
[3]一种基于MeanShift算法的目标跟踪系统的设计与实现[J]. 沈豪,庄建军,郑茜颖,吴建耀. 电子测量技术. 2018(14)
[4]“直方图”均衡化图像增强技术研究综述[J]. 丁畅,董丽丽,许文海. 计算机工程与应用. 2017(23)
[5]基于五帧差分和改进的Meanshift算法的运动目标跟踪[J]. 陈双叶,王善喜. 计算机科学. 2016(S1)
[6]SURF算法并行优化及硬件实现[J]. 赵春阳,赵怀慈. 计算机辅助设计与图形学学报. 2015(02)
[7]直方图均衡化的数学模型研究[J]. 吴成茂. 电子学报. 2013(03)
[8]彩色图像分割方法综述[J]. 林开颜,吴军辉,徐立鸿. 中国图象图形学报. 2005(01)
[9]机器视觉中的颜色问题及应用[J]. 陶霖密,徐光祐. 科学通报. 2001(03)
博士论文
[1]基于结构的纹理特征及应用研究[D]. 夏瑜.中国科学技术大学 2014
[2]图像直方图特征及其应用研究[D]. 汪启伟.中国科学技术大学 2014
[3]基于轮廓特征的目标识别研究[D]. 史思琦.西安电子科技大学 2012
硕士论文
[1]一种机动目标跟踪滤波算法及其应用研究[D]. 武必胜.南京理工大学 2008
[2]基于OpenCV的运动目标检测与跟踪[D]. 吴晓阳.浙江大学 2008
本文编号：2959645
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2959645.html
