基于深度学习和边缘任务卸载的交通流量检测研究

发布时间：2021-08-10 00:22

　　为解决由交通拥堵引发的一系列问题,智能交通系统应运而生,通过实时获取城市道路交通流量信息,并在此基础上进行智能化疏导,从而缓解交通压力,减少环境污染。其中关键技术之一就是交通流量的检测,近年来,基于智能视频检测的方法被广泛关注,但是图像算法复杂度高,需要消耗较大的计算资源。因此智能交通系统中交通流量的检测往往采用云计算模式,所有视频从网络边缘端采集传输到云计算中心,由云计算中心运行图像算法来检测交通流量。但交通监控视频占用存储大,网络传输带宽有限等问题给智能交通系统实现高效的交通流量检测带来了很大挑战。本文以智能交通系统中的交通流量检测作为研究任务,并针对交通监控视频中的道路环境,结合深度学习和边缘计算技术,设计并实现了一种将交通流量检测任务卸载到边缘的方法。其中具体的研究工作如下:（1）提出一种交通流量检测任务边缘卸载的方法。云计算中心迭代基于交通监控视频的深度学习类车辆检测与车辆跟踪算法,主要包括算法模型的训练以及测试。然后将训练好的模型迁移至边缘智能设备Jetson TX2,并在该设备上进一步实现交通流量检测算法以完成在边缘实时检测交通流量的任务。（2）设计实现基于YOLO（Yo... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：104 页

【学位级别】：硕士

【部分图文】：

云计算模型

作为网络边缘海量数据处理的解决方案应运而生。边缘计算模型的原理图如图 1.3。图1.3 边缘计算模型图边缘计算要处理的数据对象包括来自云计算中心的下行数据以及来自网络边缘物联网设备的上行数据，而边缘计算所谓的边缘指的是从数据源到云计算中心之间任意的网络和计算资源，是一个连续统[32]。在边缘计算模型中，云计算中心除了从数据库获取数据以外，也从各种传感器和智能手机等边缘设备处获取数据。并且网络边缘的设备往往兼顾了数据生产者和数据消费者的双重身份。网络边缘设备在向云计算中

本文受边缘计算技术的启发，考虑将边缘计算引入基于智能视频检测的交通流量检测，提出了一种基于边缘计算的智能视频检测模型如图 1.4。图1.4 基于边缘计算的智能视频检测模型


本文编号：3333071