基于卷积神经网络的车辆检测算法研究

发布时间：2024-03-09 01:04

　　近几年由于计算机运算能力的大幅度提高使得计算机视觉在智能交通领域逐渐成为研究热点,受到中外学者的广泛关注,并取得了一定的研究成果。然而,在实际应用过程中仍存在很多困难亟需解决。问题主要集中于两个方面:首先,当计算机视觉技术主要应用于交通监管领域,检测的实时性,由于计算机硬件运算能力的限制,算法本身不能过于复杂,因此这就与检测精准性产生了一定的矛盾。其次,交通场景不同于一般的检测场景,场景中物体种类较多,并且光照、阴影和遮挡等因素都严重影响识别准确度和定位精确度。在不影响实时性的条件下如何设计算法来减小这些因素的影响,提高检测算法的鲁棒性成为研究人员的关注点。本文致力于通过自建数据集,实现道路行车视角下的车辆检测。首先回顾了国内外在目标检测领域的相关文献与研究现状,对现有的研究成果对比总结,在此基础上确定了本文的研究目标与研究内容。本文研究内容主要分为三个部分,首先以卷积神经网络相关概念作为切入点,详细阐述了卷积神经网络的基本思想、组成部分和参数训练原理等内容,为之后的YOLOv3检测模型以及Faster R-CNN检测模型奠定理论基础。其次,在上一章节的理论基础上实现YOLOv3模型下...

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图１－１自动驾驶汽车示意图??Ｆｉｇ．?１－１?Ｄｉａｇｒａｍ?ｏｆ?ａｕｔｏｎｏｍｏｕｓ?ｖｅｈｉｃｌｅｓ??

汽车驾驶的安全性是自动驾驶的重要功能［４１，按照实现方式分为主动安全、被??动安全、危险预警和汽车防撞四类［５］，障碍物检测尤其是车辆检测是实现汽车驾驶??安全最重要最基础的部分。如图１－１所示，自动驾驶汽车通过各类传感器如视觉传??感器（摄像头）、激光雷达等感知周围环境信息，并....

图１－２车辆检测：识别＋定位??Ｆｉｇ．?１－２?Ｖｅｈｉｃｌｅ?ｄｅｔｅｃｔｉｏｎ：?ｒｅｃｏｇｎｉｔｉｏｎ?ａｎｄ?ｌｏｃａｔｉｏｎ??

基于视觉的车辆检测是一种利用计算机在静态图像或者视频帧中自动寻找车??辆目标，并判断车辆目标的位置、大小和置信度的技术，也即实现车辆目标的识??别和定位。图１－２展示了车辆检测的示例，图中算法实现了对不同大小和长宽比的??车辆目标的成功定位，并给出了相应的置信度。??．??图１－....

图１－４不同天气情况下的行车场景??Ｆｉｇ．?１－４?Ｄｒｉｖｉｎｇ?ｓｃｅｎａｒｉｏｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｗｅａｔｈｅｒ?ｓｉｔｕａｔｉｏｎ??

（Ｃ）高速公路?⑷隧道??图１－３不同道路情况下的行车场景??Ｆｉｇ．?１－３?Ｄｒｉｖｉｎｇ?ｓｃｅｎａｒｉｏｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｒｏａｄ?ｓｉｔｕａｔｉｏｎ??图１＿４展示了不同天气情况下典型的行车场景，晴天时采集到的图像质量较??高，可以更好的描述图像特征，但是也....

图１－３不同道路情况下的行车场景??

图１－３不同道路情况下的行车场景??Ｆｉｇ．?１－３?Ｄｒｉｖｉｎｇ?ｓｃｅｎａｒｉｏｓ?ｉｎ?ｄｉｆｆｅｒｅｎｔ?ｒｏａｄ?ｓｉｔｕａｔｉｏｎ??图１＿４展示了不同天气情况下典型的行车场景，晴天时采集到的图像质量较??高，可以更好的描述图像特征，但是也会收到阴影、光照变化的影响....

本文编号：3922666