基于机器学习的交通流检测技术研究

发布时间：2021-06-14 06:35

　　随着经济的快速增长,国内汽车持有量出现持续的快速增长,汽车数量的大量增长给城市交通带来了巨大的压力,出现了拥堵等一系列的问题,制约着各地区的社会进步和经济发展。提高道路的通行能力、减轻交通拥堵和减少交通事故的发生等问题亟待解决。城市智慧交通的出现,可以在一定程度上减轻城市交通压力。基于监控视频的交通流检测是智能交通的重要组成部分。本文专注于交通流检测领域的多目标运动车辆检测与跟踪技术研究。基于视频的运动目标检测与目标跟踪主要应用在视频监控、视频图像压缩、智能交通、机器人导航、医学图像分析、工业检测等领域。由于监控视频的环境多样、场景不一、目标多样、干扰较多等问题,需要对运动多目标的检测与跟踪技术进行研究,以更好地应用交通监控视频中进行交通流的检测。本文在多目标检测跟踪的基本理论下,提出了基于视频的运动车辆检测和跟踪方法。针对城市交通路况复杂的环境,基于深度学习的Mask R-CNN（掩膜区域CNN）算法识别车辆轮廓。然后采用Kalman滤波器对视频序列中的车辆目标进行运动跟踪和统计。利用文本采集的视频样本进行实验,实验结果表明,本文方法在白天、夜间和拥堵路况等场景均能够有效检测,能够准... 

【文章来源】：重庆交通大学重庆市

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

常用激活函数

卷积特征图

对象检测系统概述[4]

【参考文献】：
期刊论文
[1]基于特征光流的多运动目标检测跟踪算法与评价[J]. 屈治华,邵毅明,邓天民.  科学技术与工程. 2018(22)
[2]背景差分与帧间差分相融合的遥感卫星视频运动车辆检测方法[J]. 袁益琴,何国金,王桂周,江威,康金忠.  中国科学院大学学报. 2018(01)
[3]基于深度卷积神经网络的车型识别研究[J]. 邓柳,汪子杰.  计算机应用研究. 2016(03)
[4]运动车辆检测与跟踪方法[J]. 娄路,赵玲,耿涛.  交通运输工程学报. 2012(04)
[5]Salient region detection and segmentation for general object recognition and image understanding[J]. HUANG TieJun 1 , TIAN YongHong 1 , LI Jia 2 & YU HaoNan 11 National Engineering Laboratory for Video Technology, School of Electrical Engineering and Computer Science, Peking University, Beijing 100871, China; 2 Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China.  Science China（Information Sciences）. 2011(12)
[6]基于背景Codebook模型的前景检测算法[J]. 熊亮,刘伟铭.  科学技术与工程. 2010(09)

硕士论文
[1]基于深度学习的车辆定位及车型识别研究[D]. 张飞云.江苏大学 2016
[2]基于深度学习的车辆型号识别[D]. 熊祎.华中科技大学 2014
[3]基于视频的高速公路车速检测和车辆跟踪系统[D]. 支晨蛟.浙江大学 2013
[4]视频图像人脸特征点跟踪技术研究[D]. 李鹏.电子科技大学 2011
[5]视频图像序列中运动目标的检测与跟踪[D]. 陈毓晶.大连理工大学 2009



本文编号：3229268