复杂环境中基于道路监控视频的目标检测研究与实现

发布时间：2021-07-27 18:26

　　目标检测一直是非常热门的计算机视觉领域的研究方向,它的应用前景非常广泛。近年来,传统的目标检测算法遇到了瓶颈,深度学习算法也被广泛地运用到了单幅图像目标检测上。目标检测实际应用中,不仅需要一定准确性,而且要求算法具有一定的实时性。同时,目标检测的应用场景也越来越多,复杂环境下的目标检测需求日益增多。本文的目标是在复杂场景中,在满足准确率的基础上,实现实时的特定目标检测。本文首先对经典检测算法中特征提取进行改进,使其在保证一定准确性的基础上满足复杂场景下实时检测的要求。然后对深度学习算法训练新模型并提出新的后处理算法,完成多目标检测任务。本文选取的传统机器学习算法是经典的支持向量机（SVM,Support Vector Machine）算法,将提取的边缘信息的统计HOG（Histogram of Oriented Gradient,方向梯度直方图）特征输入到SVM进行训练。训练不需要很大的数据量并且训练所需的时间很短,对硬件没有特殊需求。但是SVM存在泛化能力差、分类准确率低等问题。深度学习算法不论在准确率上还是泛化能力上,都远超过了传统的机器学习算法,基于深度学习的目标检测算法能够很好... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

VGG网络结构

LabelImg工具界面

训练过程中学习率曲线图


本文编号：3306311