基于深度学习的车辆行为识别与检测研究
发布时间：2021-02-09 11:24
近年来,随着汽车行业的日益更新和人工智能的快速发展,无人驾驶技术受到广泛的推广和应用。无人驾驶的环境感知是实现车辆安全有效驾驶的必备技术,通过车载摄像头记录车辆周围视觉环境数据,识别出周围车辆和障碍物的信息从而执行相应操作。其中准确识别出前方移动车辆的行为是实现无人驾驶技术的基础。同时,车辆行为检测在智慧交通管理上有着不可替代的作用。目前对交通违法审核存在人力财力投入大、效率低下、人力资源浪费等严重问题,传统路口监控所拍摄的视频仅能在很小的范围内对交通违章进行检测,远远不能达到智慧交通中全覆盖的交通事故预防和交通违章检测的程度。现在车辆大都安装了行车记录仪或其他对车辆前方环境摄录的装置,因此,摄录的行车前方车辆行为视频呈指数级别增长。在拍摄的长视频中智能高效的检测识别出车辆各种行为,不管对无人驾驶技术还是对智慧交通的实现都具有重大的现实意义。基于上述情况,对现有的车辆行为识别和目标行为检测技术做了充分研究和改进后,实现了基于深度学习的车辆动态行为分类与检测研究。数据集采集于行车记录仪等设备摄录的行车前方车辆视频,研究的内容包括:1、针对传统车辆行为识别算法精度低、延迟大的问题,提出一种...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
第一章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.2.1 深度学习国内外研究
1.2.2 车辆行为识别与检测国内外研究
1.3 研究内容
1.4 本文组织结构
第二章 相关基础理论
2.1 引言
2.2 传统车辆行为分析
2.2.1 传统车辆检测算法
2.2.2 传统车辆跟踪算法
2.2.3 传统车辆行为识别算法
2.3 深度学习行为分析研究
2.3.1 卷积神经网络
2.3.2 循环神经网络
2.3.3 深度学习行为识别
2.3.4 深度学习行为检测
2.4 本章小结
第三章 基于长短期记忆网络的车辆行为识别算法
3.1 引言
3.2 双卷积特征提取
3.2.1 关键帧提取
3.2.2 Resnet基本原理
3.2.3 双提取机制
3.3 基于深度LSTM序列特征提取
3.4 实验与分析
3.4.1 数据集
3.4.2 网络环境配置及训练
3.4.3 实验结果分析
3.5 本章小结
第四章 基于双流卷积和双向长短期记忆网络的车辆时序行为检测
4.1 引言
4.2 时间区域提议
4.2.1 DenseNet简介
4.2.2 非极大值抑制算法
4.2.3 双流卷积网络
4.2.4 初步提议提取
4.3 细化检测提议
4.3.1 双向LSTM网络
4.3.2 提议裁剪分类
4.4 实验及结果分析
4.4.1 数据集
4.4.2 网络环境配置及评估标准
4.4.3 实验结果分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]人工智能与产业发展的关系综述[J]. 尹靖,王润北. 信息系统工程. 2019(01)
[2]汽车产业智能化转型政策环境构建解读[J]. 李春玲,曹立群. 汽车工程师. 2018(10)
[3]智慧交通现状与发展[J]. 郑文超,贲伟,汪德生. 指挥信息系统与技术. 2018(04)
[4]监控视频中的车辆异常行为检测[J]. 黄鑫,肖世德,宋波. 计算机系统应用. 2018(02)
[5]基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪[J]. 杜海顺,李嘉宸,魏兆敏,周毅. 河南大学学报(自然科学版). 2017(06)
[6]从ADAS到自动驾驶 2016智能网联汽车发展报告[J]. 产品可靠性报告. 2017(04)
[7]基于训练图CNN特征的视频人体动作识别算法[J]. 曹晋其,蒋兴浩,孙锬锋. 计算机工程. 2017(11)
[8]Action Recognition with Temporal Scale-Invariant Deep Learning Framework[J]. Huafeng Chen,Jun Chen,Ruimin Hu,Chen Chen,Zhongyuan Wang. 中国通信. 2017(02)
[9]基于前方车辆行为识别的碰撞预警系统[J]. 黄慧玲,杨明,王春香,王冰. 华中科技大学学报(自然科学版). 2015(S1)
[10]自主驾驶车辆的预测避障控制[J]. 余如,郭洪艳,陈虹. 信息与控制. 2015(01)
本文编号：3025560
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
第一章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.2.1 深度学习国内外研究
1.2.2 车辆行为识别与检测国内外研究
1.3 研究内容
1.4 本文组织结构
第二章 相关基础理论
2.1 引言
2.2 传统车辆行为分析
2.2.1 传统车辆检测算法
2.2.2 传统车辆跟踪算法
2.2.3 传统车辆行为识别算法
2.3 深度学习行为分析研究
2.3.1 卷积神经网络
2.3.2 循环神经网络
2.3.3 深度学习行为识别
2.3.4 深度学习行为检测
2.4 本章小结
第三章 基于长短期记忆网络的车辆行为识别算法
3.1 引言
3.2 双卷积特征提取
3.2.1 关键帧提取
3.2.2 Resnet基本原理
3.2.3 双提取机制
3.3 基于深度LSTM序列特征提取
3.4 实验与分析
3.4.1 数据集
3.4.2 网络环境配置及训练
3.4.3 实验结果分析
3.5 本章小结
第四章 基于双流卷积和双向长短期记忆网络的车辆时序行为检测
4.1 引言
4.2 时间区域提议
4.2.1 DenseNet简介
4.2.2 非极大值抑制算法
4.2.3 双流卷积网络
4.2.4 初步提议提取
4.3 细化检测提议
4.3.1 双向LSTM网络
4.3.2 提议裁剪分类
4.4 实验及结果分析
4.4.1 数据集
4.4.2 网络环境配置及评估标准
4.4.3 实验结果分析
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
【参考文献】：
期刊论文
[1]人工智能与产业发展的关系综述[J]. 尹靖,王润北. 信息系统工程. 2019(01)
[2]汽车产业智能化转型政策环境构建解读[J]. 李春玲,曹立群. 汽车工程师. 2018(10)
[3]智慧交通现状与发展[J]. 郑文超,贲伟,汪德生. 指挥信息系统与技术. 2018(04)
[4]监控视频中的车辆异常行为检测[J]. 黄鑫,肖世德,宋波. 计算机系统应用. 2018(02)
[5]基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪[J]. 杜海顺,李嘉宸,魏兆敏,周毅. 河南大学学报(自然科学版). 2017(06)
[6]从ADAS到自动驾驶 2016智能网联汽车发展报告[J]. 产品可靠性报告. 2017(04)
[7]基于训练图CNN特征的视频人体动作识别算法[J]. 曹晋其,蒋兴浩,孙锬锋. 计算机工程. 2017(11)
[8]Action Recognition with Temporal Scale-Invariant Deep Learning Framework[J]. Huafeng Chen,Jun Chen,Ruimin Hu,Chen Chen,Zhongyuan Wang. 中国通信. 2017(02)
[9]基于前方车辆行为识别的碰撞预警系统[J]. 黄慧玲,杨明,王春香,王冰. 华中科技大学学报(自然科学版). 2015(S1)
[10]自主驾驶车辆的预测避障控制[J]. 余如,郭洪艳,陈虹. 信息与控制. 2015(01)
本文编号：3025560
本文链接：https://www.wllwen.com/kejilunwen/qiche/3025560.html
