基于深度学习的道路异常物体识别算法研究

发布时间：2021-04-05 03:06

　　近年来,交通信息的飞速增长使得利用人工来对交通信息进行监控、审查、识别的传统方式不再可行,需要以人工智能的方式来对交通情况进行监控与告警,满足交通管控部门的需要。其中道路异常物体类别可谓是繁杂多样、难以统计,且在海量交通信息数据中寻找大量存在异常物体的道路交通图像、视频数据,需要耗费大量人力物力财力,很难对每种道路异常物体都获取足够的训练样本。因此道路异常物体识别任务存在物体定位困难、训练数据不足、输出模型难以收敛或过拟合现象严重等技术难题。针对上述难题,本论文研究并实现了基于深度学习的道路异常物体检测算法。首先,为了使得异常物体定位中的背景建模更加适合道路监控视频的特性,提出了基于空-时域信息的背景建模方法:先以K-means算法对像素进行聚类,再通过改进K近邻的方式对连续视频帧内的像素进行背景判断,完成异常物体定位。实验结果表明,该定位方式能够提取出异常物体,解决异常物体定位困难的问题。接下来,本文提出通道间注意力模型来对已实现准确定位的异常物体进行分类。在分类过程中,通过注意力层的方式将类别词向量嵌入到图像特征当中,使得特征谱所包含的信息量增加,更易于进行相似度度量。针对有标数据... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

异常物休屏采

人工神多元樟型

Sigmoid 函数中间区域具有非线性压缩作用，而两侧的较大误差在经过多个隐层传输到网络的前几层时，梯度的现没有明显变化的情况，即出现了梯度弥散现象；这一现层参数一直都是初始设定值，而不会随训练次数的增加而。对于需要有较多隐含层来获取图像不同级别特征的 CN问题，线性整流函数（Rectified Linear Unit， ReLU）应 2010 年由 Nair 和 Hinton[34]提出，它是一个分段线性函数神经网络中最常见的激活函数，其公式见式(2-3)f ( x) max(0, x)

【参考文献】：
期刊论文
[1]大数据:概念、技术及应用研究综述[J]. 方巍,郑玉,徐江.  南京信息工程大学学报(自然科学版). 2014(05)



本文编号：3119013