基于视频流的违章目标检测跟踪
发布时间：2021-01-14 10:42
基于我国交通路口违章事件日益增多的现状,利用视频流对交通违章目标进行检测跟踪获取违章证据,凭此处罚教育可有效提高公民交通安全意识和降低事故发生率。视频流的交通违章目标检测存在人群密度过高易误检的现状,跟踪过程存在遮挡等因素导致的跟踪成功率和精准度下降问题。对于上述问题现状,本文研究了以下三个方面的内容:1、针对违章目标误检问题,提出一种基于YOLOv3目标检测算法的边框回归方法。通过结合肤色检测及人脸检测,利用位置得分函数对行人非机动车目标进行预测边框回归操作。2、提出一种自适应加权系数的互补跟踪算法,利用相关滤波响应和理想高斯响应的相似度实现最终响应得分函数的加权系数自适应。3、针对跟踪过程中违章目标易受到遮挡等现状,提出一种基于轨迹预测方程和滤波模板记忆网络的遮挡重跟踪方法。在遮挡帧建立记忆滤波模板,将从轨迹预测方程得到的候选目标预测框分别与滤波模板和记忆滤波模板进行响应计算,根据响应对比结果确定目标位置,同时利用滤波模板记忆单元更新滤波模板和记忆滤波模板。通过对宁波市交通部门的部分路口监控视频数据处理与对比分析,验证了本文方法对遮挡跟踪有良好的处理效果,同时具有误检率低、跟踪成功...
【文章来源】：浙江工商大学浙江省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
cell单元和block单元如图2-2所示，最小单位的正方形网格表示像素点，细边正方形网格单元表示cell，
8图2-4原始图像及不同cell大小的HOG特征图如图2-4所示，采用的cell大小分别为4×4，8×8和16×16。可以发现不同大小的cell对图像的方向梯度特征表现不同：cell组成的像素点越少，图像block个数越多，保留的特征信息越多。但是，特征信息量增多导致计算量过大与耗时过多，影响处理的实时性。本文违章目标跟踪中，选取8×8个像素点组成的cell。2.1.2FHOG特征使用范围为的对方向敏感或者范围为对方向不敏感，将每个像素的梯度方向离散化为值之一。传统的HOG特征采用的是方向不敏感，在角度范围内离散化为9个方向值。和的取值方式如下：(2-6)(2-7)其中和分别表示在像素点处的梯度大小和梯度方向。不同于HOG特征以block为单位进行特征计算，改进的FHOG特征以cell为单位进行计算和特征统计[61]。(2-8)公式2-8中表示归一化因子，。特征向量表示基于第行第列cell的特征映射，即一个cell的特征。所以每个归一化因子都包含四个cell的能量。归一化的方式图公式2-9所示，其中表示向量被阶段后形成的新向量，截断表示幅度限制，具体操作是将特征向量中大于的元素值全部降低为。将新的特征向量串联可得到新的cell特征。(2-9)
10图2-5卷积神经网络2.3本章小结本章节介绍了一些行人检测跟踪的理论知识。首先介绍图像目标的特征提取，包括方向梯度特征以及以此改进的FHOG特征。其次介绍了行人检测中卷积神经网络的基础理论，包括卷积神经网络中的卷积，池化等原理。
【参考文献】：
期刊论文
[1]高置信度互补学习的实时目标跟踪[J]. 郭伟,邢宇哲,曲海成. 中国图象图形学报. 2019(08)
[2]基于AlexNet卷积神经网络的激光雷达飞机尾涡识别研究[J]. 潘卫军,段英捷,张强,吴郑源,刘皓晨. 光电工程. 2019(07)
[3]基于多互补特征融合的视频跟踪算法[J]. 张君昌,张登,万锦锦. 西北工业大学学报. 2019(02)
[4]我国道路交通安全防护体系现状与探析[J]. 郭丽东. 山东工业技术. 2019(05)
[5]基于深层残差网络的加速图像超分辨率重建[J]. 席志红,侯彩燕,袁昆鹏,薛卓群. 光学学报. 2019(02)
[6]基于YCRCb色彩空间的手语图像分割[J]. 郑方梅,魏延. 电脑知识与技术. 2019(02)
[7]基于特征点匹配的背景建模运动目标检测[J]. 钟刘翔,朱桂斌,高立,蒋侨. 信息通信. 2018(12)
[8]基于TLD和fDSST的长时间目标跟踪算法[J]. 李轶锟,吴庆宪,丁晟辉,胡鲲. 电光与控制. 2019(04)
[9]基于SVM的车牌识别技术研究[J]. 李良荣,荣耀祖,顾平,李震. 贵州大学学报(自然科学版). 2018(05)
[10]中国城市轨道交通的发展现状及机遇[J]. 周晓勤. 城市轨道交通. 2018(10)
博士论文
[1]机动车闯红灯事故发生规律及其车载预警技术研究[D]. 张玉婷.北京交通大学 2018
[2]基于Latent SVM的人体目标检测与跟踪方法研究[D]. 胡振邦.中国地质大学 2013
本文编号：2976752
【文章来源】：浙江工商大学浙江省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
cell单元和block单元如图2-2所示，最小单位的正方形网格表示像素点，细边正方形网格单元表示cell，
8图2-4原始图像及不同cell大小的HOG特征图如图2-4所示，采用的cell大小分别为4×4，8×8和16×16。可以发现不同大小的cell对图像的方向梯度特征表现不同：cell组成的像素点越少，图像block个数越多，保留的特征信息越多。但是，特征信息量增多导致计算量过大与耗时过多，影响处理的实时性。本文违章目标跟踪中，选取8×8个像素点组成的cell。2.1.2FHOG特征使用范围为的对方向敏感或者范围为对方向不敏感，将每个像素的梯度方向离散化为值之一。传统的HOG特征采用的是方向不敏感，在角度范围内离散化为9个方向值。和的取值方式如下：(2-6)(2-7)其中和分别表示在像素点处的梯度大小和梯度方向。不同于HOG特征以block为单位进行特征计算，改进的FHOG特征以cell为单位进行计算和特征统计[61]。(2-8)公式2-8中表示归一化因子，。特征向量表示基于第行第列cell的特征映射，即一个cell的特征。所以每个归一化因子都包含四个cell的能量。归一化的方式图公式2-9所示，其中表示向量被阶段后形成的新向量，截断表示幅度限制，具体操作是将特征向量中大于的元素值全部降低为。将新的特征向量串联可得到新的cell特征。(2-9)
10图2-5卷积神经网络2.3本章小结本章节介绍了一些行人检测跟踪的理论知识。首先介绍图像目标的特征提取，包括方向梯度特征以及以此改进的FHOG特征。其次介绍了行人检测中卷积神经网络的基础理论，包括卷积神经网络中的卷积，池化等原理。
【参考文献】：
期刊论文
[1]高置信度互补学习的实时目标跟踪[J]. 郭伟,邢宇哲,曲海成. 中国图象图形学报. 2019(08)
[2]基于AlexNet卷积神经网络的激光雷达飞机尾涡识别研究[J]. 潘卫军,段英捷,张强,吴郑源,刘皓晨. 光电工程. 2019(07)
[3]基于多互补特征融合的视频跟踪算法[J]. 张君昌,张登,万锦锦. 西北工业大学学报. 2019(02)
[4]我国道路交通安全防护体系现状与探析[J]. 郭丽东. 山东工业技术. 2019(05)
[5]基于深层残差网络的加速图像超分辨率重建[J]. 席志红,侯彩燕,袁昆鹏,薛卓群. 光学学报. 2019(02)
[6]基于YCRCb色彩空间的手语图像分割[J]. 郑方梅,魏延. 电脑知识与技术. 2019(02)
[7]基于特征点匹配的背景建模运动目标检测[J]. 钟刘翔,朱桂斌,高立,蒋侨. 信息通信. 2018(12)
[8]基于TLD和fDSST的长时间目标跟踪算法[J]. 李轶锟,吴庆宪,丁晟辉,胡鲲. 电光与控制. 2019(04)
[9]基于SVM的车牌识别技术研究[J]. 李良荣,荣耀祖,顾平,李震. 贵州大学学报(自然科学版). 2018(05)
[10]中国城市轨道交通的发展现状及机遇[J]. 周晓勤. 城市轨道交通. 2018(10)
博士论文
[1]机动车闯红灯事故发生规律及其车载预警技术研究[D]. 张玉婷.北京交通大学 2018
[2]基于Latent SVM的人体目标检测与跟踪方法研究[D]. 胡振邦.中国地质大学 2013
本文编号：2976752
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2976752.html
