基于卷积网络的交通冲突计算方法研究
发布时间：2021-02-22 04:07
随着计算机硬件性能的增长与深度学习技术的发展,从视频中提取交通流信息逐渐成为智能交通领域的一个重要研究方向。道路交叉口车流量大、交通冲突点多、发生事故数多,一直以来都是道路交通安全评价中的重点关注对象。本文致力于研究交叉口监控视频中车辆交通冲突的自动提取方法,应用迁移学习、车辆3D建模、分布估计算法、数值仿真等技术,实现对车辆的检测、定位与跟踪,计算车辆碰撞时间作为交通冲突,在自有数据集上应用算法提取交通冲突。首先为自有数据集制作标签,将视频图像中的目标分为行人或非机动车、小汽车、大客车或卡车三个类别,共生成1148张标注图片。应用迁移学习技术,使用带标注的自有数据集训练YOLO模型,将训练过的YOLO模型用于检测和分类图像中的目标。建立卡尔曼追踪器,使用Kuhn-Munkres算法匹配相邻图像之间的目标检测结果,应用卡尔曼滤波综合分析模型检测与车辆追踪的结果,实现对车辆目标在图像中位置的最优估计。然后标定摄像头,计算投影矩阵,得到世界坐标系与图像像素坐标系之间的变换关系。为YOLO模型中检测出的车辆,建立包含12个形状参数与3个位置参数的可变形3D车辆模型,通过投影矩阵得到模型在图像...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状综述
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 现状研究的不足
1.3 研究内容与技术路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
1.4 研究重难点与创新点
1.4.1 研究重难点
1.4.2 研究创新点
第二章 视频中车辆的提取与追踪
2.1 卷积神经网络
2.1.1 人工神经网络
2.1.2 卷积计算
2.1.3 池化计算
2.1.4 反向传播算法
2.2 YOLO模型
2.2.1 特征提取网络
2.2.2 YOLO模型输出
2.2.3 非极大值抑制
2.2.4 YOLO模型特点
2.3 YOLO模型迁移学习
2.3.1 迁移学习基本概念
2.3.2 本地数据集预处理
2.3.3 YOLO模型的损失函数
2.3.4 视频车辆识别
2.4 卡尔曼滤波追踪
2.4.1 卡尔曼滤波原理
2.4.2 检测目标的帧间匹配
2.4.3 检测结果与追踪器的匹配
2.4.4 车辆追踪
2.5 本章小结
第三章 车辆三维建模
3.1 摄像机标定
3.1.1 坐标系变换
3.1.2 投影矩阵计算
3.2 分布估计算法
3.2.1 分布估计算法基本原理
3.2.2 分布估计算法算例
3.3 车辆三维建模
3.3.1 三维可变形车辆模型
3.3.2 三维可变形车辆模型的适应度函数
3.3.3 三维可变车辆模型的变量初始化
3.3.4 三维可变形车辆模型的优化计算
3.4 本章小结
第四章 基于视频的交通冲突自动提取
4.1 交通冲突提取
4.1.1 交通冲突定义
4.1.2 交通冲突的提取方法
4.1.3 视频交通冲突提取
4.2 交通冲突自动提取算法
4.3 实例分析
4.3.1 实例简介
4.3.2 车辆检测与追踪
4.3.3 车辆三维建模
4.3.4 交通冲突提取
4.3.5 交通冲突统计
4.3.6 交通冲突场景分析
4.4 本章小结
第五章 准确度评价与性能分析
5.1 目标检测与分类模型准确度评价
5.2 三维车辆模型准确度评价
5.3 算法性能与瓶颈分析
5.4 不同检测分类模型对比
5.5 不同车辆三维模型对比
5.6 本章小结
第六章 结论与展望
6.1 主要工作与结论
6.2 研究展望
致谢
参考文献
【参考文献】：
博士论文
[1]多车道高速公路分流影响区交通特性及通行能力分析[D]. 侯佳.东南大学 2018
[2]基于交通冲突理论的信号交叉口安全评价技术[D]. 郭延永.东南大学 2016
本文编号：3045425
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状综述
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 现状研究的不足
1.3 研究内容与技术路线
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
1.4 研究重难点与创新点
1.4.1 研究重难点
1.4.2 研究创新点
第二章 视频中车辆的提取与追踪
2.1 卷积神经网络
2.1.1 人工神经网络
2.1.2 卷积计算
2.1.3 池化计算
2.1.4 反向传播算法
2.2 YOLO模型
2.2.1 特征提取网络
2.2.2 YOLO模型输出
2.2.3 非极大值抑制
2.2.4 YOLO模型特点
2.3 YOLO模型迁移学习
2.3.1 迁移学习基本概念
2.3.2 本地数据集预处理
2.3.3 YOLO模型的损失函数
2.3.4 视频车辆识别
2.4 卡尔曼滤波追踪
2.4.1 卡尔曼滤波原理
2.4.2 检测目标的帧间匹配
2.4.3 检测结果与追踪器的匹配
2.4.4 车辆追踪
2.5 本章小结
第三章 车辆三维建模
3.1 摄像机标定
3.1.1 坐标系变换
3.1.2 投影矩阵计算
3.2 分布估计算法
3.2.1 分布估计算法基本原理
3.2.2 分布估计算法算例
3.3 车辆三维建模
3.3.1 三维可变形车辆模型
3.3.2 三维可变形车辆模型的适应度函数
3.3.3 三维可变车辆模型的变量初始化
3.3.4 三维可变形车辆模型的优化计算
3.4 本章小结
第四章 基于视频的交通冲突自动提取
4.1 交通冲突提取
4.1.1 交通冲突定义
4.1.2 交通冲突的提取方法
4.1.3 视频交通冲突提取
4.2 交通冲突自动提取算法
4.3 实例分析
4.3.1 实例简介
4.3.2 车辆检测与追踪
4.3.3 车辆三维建模
4.3.4 交通冲突提取
4.3.5 交通冲突统计
4.3.6 交通冲突场景分析
4.4 本章小结
第五章 准确度评价与性能分析
5.1 目标检测与分类模型准确度评价
5.2 三维车辆模型准确度评价
5.3 算法性能与瓶颈分析
5.4 不同检测分类模型对比
5.5 不同车辆三维模型对比
5.6 本章小结
第六章 结论与展望
6.1 主要工作与结论
6.2 研究展望
致谢
参考文献
【参考文献】：
博士论文
[1]多车道高速公路分流影响区交通特性及通行能力分析[D]. 侯佳.东南大学 2018
[2]基于交通冲突理论的信号交叉口安全评价技术[D]. 郭延永.东南大学 2016
本文编号：3045425
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3045425.html
