基于深度学习的人车混合目标检测技术研究
发布时间：2020-05-04 18:37
【摘要】：近年来,道路中行人车辆混合目标检测方法,作为智能交通系统建设中关键一环,受到国内外研究学者的广泛关注。智能交通中涉及的目标检测任务主要表现为使用道路摄像设备以一定时间频率捕获行人、车辆等多种混合目标在当前路段的位置信息。实际道路场景下背景复杂多变,行人车辆姿态各异,目标尺度分布范围极其广泛,因此针对此场景中混合目标进行检测存在很多难题。同时,现有的经典目标检测算法大多基于深度学习,但此类方法计算复杂度一般较高。因此,在道路场景中研究高效可靠的混合目标检测算法具有极大的挑战。针对以上问题,本文设计并实现了能够针对真实道路场景进行混合多目标检测,且准确率和速度较以往检测算法有所提升的智能交通人车混合目标检测方法。具体工作如下:1)针对真实道路场景中目标的尺度分布,优化原始候选框尺度比例大小。这样,在候选框经多层网络进行非线性操作时,可以更容易回归到目标本身。2)为进一步解决混合目标多尺度分布的难题,本论文利用多个大小不同的感受野区域来适应性匹配目标的不同个尺度,从网络结构上对卷积层进行拼接,从而识别尺度大小不一的多个行人车辆混合目标。3)针对混合目标检测算法中计算复杂度高的问题,本论文使用具有强非线性表达能力的若干小卷积核层替代部分全连接层。从而既可以大量减少网络连接参数,又不损失网络的非线性表达能力,对于速度的提升及显存资源的消耗有极大的改善。本文以共享的卷积特征为出发点,研究感受野区域以及候选框尺度对于多尺度目标检测的适应性问题,进而解决在真实道路场景下对混合目标的检测问题。使用上述优化方法,我们在道路场景中取得了不错的效果。经过某市高速路段的现场长时间测试后,相较于改进前的目标检测算法,设备检测准确度提升了7.79%,检测速度提升了 10FPS,测试显存降低了 2245M。充分证明本文所设计的针对具体路段的目标检测方法可满足实际应用中对准确性、稳定性的要求。
【图文】：
灰度图像的过程，这一过程也是颜色空间的转换过程。自然界中所有的颜色都可逡逑以用红、绿、蓝（ＲＧＢ）这三种颜色的不同强度组合而得。ＲＧＢ颜色空间形成一个逡逑三维的坐标轴，如图２－１所示，灰度转换指的是将彩色空间内的点转为正方体逡逑对角线上某个点的过程，正方体的原点表示黑色，对角线的顶点是白色，立方体逡逑的其他各个点则对应不同的色彩。逡逑R囧义贤迹玻卞澹遥牵卵丈占溴义希遥牵卵丈占渥晃叶韧枷竦墓饺缛绻剑ǎ玻保┧荆义希馘澹藉澹埃玻梗梗义澹澹埃担福罚清澹澹埃保保矗洛危ǎ玻保╁义掀渲械模遥牵路直鹗窍袼兀冢遥牵卵丈占浜臁⒙獭⒗度姆至恐担馘义鲜亲缓蟮幕叶戎怠ｅ义希玻玻餐枷衤瞬ㄥ义显诓杉悠档墓讨校捎诒尘案丛佣啾洹⒋浣橹蚀嬖谖蟛睿豢杀苊獾劐义洗匆欢ǖ脑肷６种坪拖庑┰肷唤隹梢愿纳仆枷竦闹柿浚褂兄阱义咸岣吣勘昙觳獾男阅堋Ｍ枷衤瞬ǎ丛诰】赡鼙４嫱枷裣附谔卣鞯那榭鱿拢义虾鸵种仆枷竦脑肷峭枷裨ご碇胁豢扇鄙俚那捌诓僮鳌Ｍǔ５穆瞬ǚ绞街饕义戏治德视蚵瞬ê涂占溆蚵瞬街
本文编号：2648823
【图文】：
灰度图像的过程，这一过程也是颜色空间的转换过程。自然界中所有的颜色都可逡逑以用红、绿、蓝（ＲＧＢ）这三种颜色的不同强度组合而得。ＲＧＢ颜色空间形成一个逡逑三维的坐标轴，如图２－１所示，灰度转换指的是将彩色空间内的点转为正方体逡逑对角线上某个点的过程，正方体的原点表示黑色，对角线的顶点是白色，立方体逡逑的其他各个点则对应不同的色彩。逡逑R囧义贤迹玻卞澹遥牵卵丈占溴义希遥牵卵丈占渥晃叶韧枷竦墓饺缛绻剑ǎ玻保┧荆义希馘澹藉澹埃玻梗梗义澹澹埃担福罚清澹澹埃保保矗洛危ǎ玻保╁义掀渲械模遥牵路直鹗窍袼兀冢遥牵卵丈占浜臁⒙獭⒗度姆至恐担馘义鲜亲缓蟮幕叶戎怠ｅ义希玻玻餐枷衤瞬ㄥ义显诓杉悠档墓讨校捎诒尘案丛佣啾洹⒋浣橹蚀嬖谖蟛睿豢杀苊獾劐义洗匆欢ǖ脑肷６种坪拖庑┰肷唤隹梢愿纳仆枷竦闹柿浚褂兄阱义咸岣吣勘昙觳獾男阅堋Ｍ枷衤瞬ǎ丛诰】赡鼙４嫱枷裣附谔卣鞯那榭鱿拢义虾鸵种仆枷竦脑肷峭枷裨ご碇胁豢扇鄙俚那捌诓僮鳌Ｍǔ５穆瞬ǚ绞街饕义戏治德视蚵瞬ê涂占溆蚵瞬街
本文编号：2648823
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2648823.html
