未按导向车道行驶的违规行为视频检测方法研究
发布时间：2022-01-27 10:29
随着互联网行业和社会经济的飞速发展,城市交通方式更加多种多样,随之而来的是交通情况愈加复杂,城市交通问题愈发突出。依靠传统的车辆监控设施已经无法满足当前城市的交通管制需求。随着深度学习方法在计算机视觉领域的深入发展,涌现了多种多样的车辆检测和跟踪方式,因此对复杂交通场景下的车辆监控亟需进行技术革新。本文着眼于交通路口车辆未按导向车道行驶的问题,开发了一套基于深度学习算法的车辆监控系统,相比于传统的方案该系统对复杂场景具有鲁棒性强,运行速度快,参数量少,准确度高等优点。本文具体工作如下:在DETRAC数据上训练了物体检测算法模型,使用残差网络对SSD主干网进行改进,并通过聚类算法优化了prior box的尺度,接着进行了实验测试。经过验证本文算法相比于SSD算法在参数量、运行速度和准确度上都有提升。为使跟踪模块可以满足实时性要求,在车辆跟踪模块中使用了tracking-by-detection的思路,提出了新的判定相邻帧中同一目标的条件并使用统计的方式说明其合理性。同时在跟踪模块中加入多尺度的KCF算法,使得算法在牺牲很少运行时间的情况下提升了算法的稳定性,并通过5段不同场景下的测试视频...
【文章来源】：南京理工大学江苏省211工程院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
SVM 示意图
理论基础硕士学位论文18图2.2生物神经元图示人工神经元是人工神经网络中的基本单元。人工神经元接收一个或多个输入(表示神经树突的兴奋性突触后电位和抑制性突触后电位)并将它们相加以产生输出(或激活，表示神经元沿其轴突传递的动作电位)。通常每个输入都是单独加权的并且总和通过非线性激活函数进行输出。如图2.3所示。图2.3神经元结构示意图对于图2.3给定的神经元结构，令n个输入信号用1~nxx进行表示，权重使用1~nww表示。此外还有一个偏置量使用kb进行表示，则第k个神经元的输出为1(b)nkkjjkjywx(2.12)输出类似于生物神经元的轴突，其值可以通过突触传播到下一层的输入，也可能退出系统，最后作为输出向量的一部分。2.1.2.2多层感知机多层感知机(Multi-LayerPerceptron,MLP)是一种前馈神经网络。MLP至少包括三层节点：输入层，隐藏层和输出层。除输入节点外，每个节点是包含非线性激活函数的神经元。MLP使用反向传播的监督学习技术进行训练。如图2.4所示。
理论基础硕士学位论文18图2.2生物神经元图示人工神经元是人工神经网络中的基本单元。人工神经元接收一个或多个输入(表示神经树突的兴奋性突触后电位和抑制性突触后电位)并将它们相加以产生输出(或激活，表示神经元沿其轴突传递的动作电位)。通常每个输入都是单独加权的并且总和通过非线性激活函数进行输出。如图2.3所示。图2.3神经元结构示意图对于图2.3给定的神经元结构，令n个输入信号用1~nxx进行表示，权重使用1~nww表示。此外还有一个偏置量使用kb进行表示，则第k个神经元的输出为1(b)nkkjjkjywx(2.12)输出类似于生物神经元的轴突，其值可以通过突触传播到下一层的输入，也可能退出系统，最后作为输出向量的一部分。2.1.2.2多层感知机多层感知机(Multi-LayerPerceptron,MLP)是一种前馈神经网络。MLP至少包括三层节点：输入层，隐藏层和输出层。除输入节点外，每个节点是包含非线性激活函数的神经元。MLP使用反向传播的监督学习技术进行训练。如图2.4所示。
【参考文献】：
期刊论文
[1]改进的帧差法在空间运动目标检测中的应用[J]. 王恩旺,王恩达. 天文研究与技术. 2016(03)
[2]权重系数自适应光流法运动目标检测[J]. 刘洪彬,常发亮. 光学精密工程. 2016(02)
[3]一种改进的ViBe算法结合多特征融合的阴影移除方法[J]. 甘玲,赵华翔. 微电子学与计算机. 2015(11)
[4]AutoScope视频车辆检测系统在高速公路监控系统中的应用[J]. 贾冬冬. 公路交通科技. 2003(S1)
[5]基于光流场分割和Canny边缘提取融合算法的运动目标检测[J]. 张泽旭,李金宗,李宁宁. 电子学报. 2003(09)
硕士论文
[1]基于视频分析处理的高清视频电子警察系统的应用研究[D]. 张翼.复旦大学 2011
本文编号：3612315
【文章来源】：南京理工大学江苏省211工程院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
SVM 示意图
理论基础硕士学位论文18图2.2生物神经元图示人工神经元是人工神经网络中的基本单元。人工神经元接收一个或多个输入(表示神经树突的兴奋性突触后电位和抑制性突触后电位)并将它们相加以产生输出(或激活，表示神经元沿其轴突传递的动作电位)。通常每个输入都是单独加权的并且总和通过非线性激活函数进行输出。如图2.3所示。图2.3神经元结构示意图对于图2.3给定的神经元结构，令n个输入信号用1~nxx进行表示，权重使用1~nww表示。此外还有一个偏置量使用kb进行表示，则第k个神经元的输出为1(b)nkkjjkjywx(2.12)输出类似于生物神经元的轴突，其值可以通过突触传播到下一层的输入，也可能退出系统，最后作为输出向量的一部分。2.1.2.2多层感知机多层感知机(Multi-LayerPerceptron,MLP)是一种前馈神经网络。MLP至少包括三层节点：输入层，隐藏层和输出层。除输入节点外，每个节点是包含非线性激活函数的神经元。MLP使用反向传播的监督学习技术进行训练。如图2.4所示。
理论基础硕士学位论文18图2.2生物神经元图示人工神经元是人工神经网络中的基本单元。人工神经元接收一个或多个输入(表示神经树突的兴奋性突触后电位和抑制性突触后电位)并将它们相加以产生输出(或激活，表示神经元沿其轴突传递的动作电位)。通常每个输入都是单独加权的并且总和通过非线性激活函数进行输出。如图2.3所示。图2.3神经元结构示意图对于图2.3给定的神经元结构，令n个输入信号用1~nxx进行表示，权重使用1~nww表示。此外还有一个偏置量使用kb进行表示，则第k个神经元的输出为1(b)nkkjjkjywx(2.12)输出类似于生物神经元的轴突，其值可以通过突触传播到下一层的输入，也可能退出系统，最后作为输出向量的一部分。2.1.2.2多层感知机多层感知机(Multi-LayerPerceptron,MLP)是一种前馈神经网络。MLP至少包括三层节点：输入层，隐藏层和输出层。除输入节点外，每个节点是包含非线性激活函数的神经元。MLP使用反向传播的监督学习技术进行训练。如图2.4所示。
【参考文献】：
期刊论文
[1]改进的帧差法在空间运动目标检测中的应用[J]. 王恩旺,王恩达. 天文研究与技术. 2016(03)
[2]权重系数自适应光流法运动目标检测[J]. 刘洪彬,常发亮. 光学精密工程. 2016(02)
[3]一种改进的ViBe算法结合多特征融合的阴影移除方法[J]. 甘玲,赵华翔. 微电子学与计算机. 2015(11)
[4]AutoScope视频车辆检测系统在高速公路监控系统中的应用[J]. 贾冬冬. 公路交通科技. 2003(S1)
[5]基于光流场分割和Canny边缘提取融合算法的运动目标检测[J]. 张泽旭,李金宗,李宁宁. 电子学报. 2003(09)
硕士论文
[1]基于视频分析处理的高清视频电子警察系统的应用研究[D]. 张翼.复旦大学 2011
本文编号：3612315
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3612315.html
