可变形施工机械实时检测技术研究

发布时间：2021-04-25 16:11

　　近年来,在城镇化进程不断加快的同时,土地资源变得紧缺。经济发展的同时,违法占地、违法建筑的现象也逐年递增。针对土地违法发现难的现实情况,本文致力于巡查车移动过程中可变形施工机械的实时检测技术研究。主要研究内容如下:（1）提出了一种基于HOG特征的深度学习图像数据集快速标注算法。基于高斯混合模型获得待标注目标的位置信息,基于Mean Shift算法对目标的HOG特征聚类获得目标类别,得到挖掘机样本弱分类器。后续采用弱分类器获得的带标签样本训练可变形部件模型,实现无标签图片数据的自动标注,开发人工微调数据标定软件用于部分标注样本的位置修正。实验结果表明,该方案能快速完成目标检测任务中图像数据集的标注工作,人工标注1000张图片大概需要60分钟,而本文算法加上人工微调大概能在10分钟内完成标注工作,有效降低获取带标签数据集的人工成本,提高深度学习中获取带标签样本的效率。（2）提出了一种基于多尺度特征图跳跃融合的多视角SSD改进算法。针对SSD算法对小目标检测效果差的问题,通过多尺度预测特征图层间跳跃连接进行特征融合,提高模型对小目标的敏感性和感知度,同时提升了模型总体检测性能。针对快速视角变... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 论文研究内容及组织结构
        1.3.1 研究内容
        1.3.2 组织结构
第二章 目标检测基础理论和算法
    2.1 传统目标检测算法
    2.2 基于深度学习的目标检测算法
        2.2.1 基于Region Proposal的深度学习目标检测算法
        2.2.2 基于回归的端到端（End-to-End）的目标检测框架
    2.3 本章小结
第三章 基于HOG特征的深度学习图像数据集快速标注算法
    3.1 算法总体流程图
    3.2 数据采集及图像预处理
        3.2.1 基于python网络爬虫的图像样本自动采集
        3.2.2 视频采集及图像预处理
    3.3 基于HOG特征的Mean Shift聚类算法
        3.3.1 HOG特征
        3.3.2 Mean Shift聚类算法
    3.4 基于DPM模型的数据集快速标定
    3.5 实验设计及分析
        3.5.1 实验一:采用Mean Shift聚类算法对不同类别的目标物进行分类
        3.5.2 实验二:用小样本训练可变形部件模型获取大量带标签数据集
    3.6 人工微调数据标定软件开发
    3.7 本章小结
第四章 基于多尺度特征图跳跃融合的多视角SSD改进算法
    4.1 SSD算法原理概述
        4.1.1 SSD总体网络结构
        4.1.2 基础特征提取网络和多尺度特征图检测
        4.1.3 先验框的设置和匹配策略
        4.1.4 SSD模型的训练和预测过程
    4.2 基于多尺度特征图跳跃融合的SSD模型改进
        4.2.1 上采样
        4.2.2 空洞卷积
        4.2.3 Batch Normalization
        4.2.4 多尺度特征融合结构设计
        4.2.5 特征融合连接模块设计
        4.2.6 实验设计和分析
        4.2.7 SKIPSSD模型检测效果
    4.3 基于多视角的SSD模型改进
        4.3.1 多视角模型构建
        4.3.2 实验设计及分析
        4.3.3 基于多视角的SKIPSSD模型检测效果
    4.4 本章小结
第五章 结合目标跟踪的可变形施工机械实时检测
    5.1 KCF目标跟踪算法概述
        5.1.1 训练KCF跟踪器
        5.1.2 快速检测
    5.2 结合KCF跟踪的目标检测算法框架
    5.3 实验设计及分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]生成式对抗网络研究进展[J]. 王万良,李卓蓉.  通信学报. 2018(02)
[2]基于DSmT理论的多视角融合目标检测识别[J]. 陆峰,徐友春,李永乐,苏致远,王任栋.  机器人. 2018(05)
[3]多卷积特征融合的HOG行人检测算法[J]. 高琦煜,方虎生.  计算机科学. 2017(S2)
[4]基于多分类器融合的多视角目标检测算法[J]. 尹维冲,路通.  计算机科学. 2013(07)
[5]基于分裂级联模型的多视角多姿态目标检测(英文)[J]. 黄江华,尹东,张荣,黄俊.  中国科学技术大学学报. 2013(07)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[7]基于多尺度特征提取的运动目标定位研究[J]. 孔军,汤心溢,蒋敏.  红外与毫米波学报. 2011(01)
[8]基于连续Adaboost算法的多视角人脸检测[J]. 武勃,黄畅,艾海舟,劳世竑.  计算机研究与发展. 2005(09)

博士论文
[1]智能视频监控下的多目标跟踪技术研究[D]. 李彤.中国科学技术大学 2013

硕士论文
[1]基于核相关滤波的目标跟踪方法研究[D]. 阮宏刚.南京邮电大学 2018
[2]基于改进KCF算法的四旋翼无人机视觉跟踪系统设计[D]. 褚天鹏.哈尔滨工业大学 2018
[3]基于核相关滤波的目标跟踪算法研究[D]. 王鹤鹏.西安电子科技大学 2018
[4]基于核相关滤波器的目标跟踪研究[D]. 李文静.哈尔滨理工大学 2018
[5]基于KCF跟踪算法的行人数量统计[D]. 苏祺翔.哈尔滨工程大学 2018
[6]复杂场景下挖掘机运动状态分析与识别[D]. 林焕凯.华南农业大学 2016
[7]多视角人体检测方法及行为识别方法研究[D]. 郭晶云.天津大学 2014
[8]基于稀疏表示的多视角目标检测技术研究[D]. 樊亚翔.国防科学技术大学 2013



本文编号：3159690