基于深度学习的车辆行人安全检测技术研究

发布时间：2021-05-08 10:20

　　随着城市社会的发展,机动车数量不断增加,城市道路堵塞情况日益严重,行人出行的安全风险也随之上升。智能交通系统的应用逐渐受到人们的广泛关注,对车辆与行人的安全检测是其重要的组成部分。车辆行人安全检测系统核心由车辆与行人目标检测、轨迹跟踪等模型组成,因此,提高对车辆行人目标识别的召回率与准确率、增强对目标运动方向的识别等优化方式能够显著提升车辆行人安全检测系统的稳定性、准确性。本文分析了基于视频的车辆行人检测系统的核心技术组成,并研究了其核心技术的现有方法,其中包括目标检测、目标轨迹跟踪,对上述技术的原有实现手段进行了研究总结,分析原有实现手段的优缺点,并针对研究场景进行优化。本文的主要研究工作如下:1)本文提出一种基于YOLO v3的改进目标识别算法,针对车辆行人目标检测场景中的问题进行两点优化:（1）优化非极大值抑制算法,提升算法对被遮挡目标的检测能力。（2）优化YOLO v3网络结构,提升对小目标及多尺度目标的识别能力。相较于传统YOLO v3算法,提升了召回率与准确率。2)本文将改进后的YOLO v3算法与Deep-Sort目标跟踪算法进行结合,构造出对小目标识别效果好、对被遮挡目... 

【文章来源】：北方工业大学北京市

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 目标检测技术
        1.2.2 目标跟踪算法的研究现状
    1.3 本文研究内容
    1.4 本文结构安排
第二章 相关技术
    2.1 基于卷积神经网络的目标检测算法
        2.1.1 卷积层
        2.1.2 卷积层权值共享
        2.1.3 激活函数
        2.1.4 池化层
        2.1.5 损失函数
        2.1.6 反向传播算法
    2.2 目标检测算法
        2.2.1 候选框生成
        2.2.2 Faster-RCNN目标检测算法
        2.2.3 SSD目标检测算法
    2.3 目标跟踪算法主流框架
        2.3.1 运动模型组件
        2.3.2 外观模型组件
        2.3.3 观察模型组件
        2.3.4 聚类方法组件
第三章 改进YOLOV3的目标检测算法
    3.1 引言
    3.2 YOLOV3算法
    3.3 高分辨率、预测尺度详细的YOLOV3特征提取网络
    3.4 高斯衰减的NMS算法
    3.5 实验
        3.5.1 实验条件与数据集
        3.5.2 模型训练
        3.5.3 实验结果分析
    3.6 本章总结
第四章 改进DEEP-SORT目标跟踪算法
    4.1 DEEP-SORT目标跟踪算法
    4.2 改进YOLO V3的DEEP-SORT目标跟踪算法研究
    4.3 车辆行人跟踪算法的对比实验
        4.3.1 目标跟踪算法的性能指标
        4.3.2 MOT16测试数据集
        4.3.3 实验环境
        4.3.4 实验结果分析
    4.4 本章小结
第五章 车辆行人安全检测系统的设计与实现
    5.1 车辆行人安全检测系统功能概述
    5.2 系统管理模块
    5.3 车辆行人安全检测模块
        5.3.1 车辆行人数量实时统计
        5.3.2 车辆行人分时流量数据统计存储
        5.3.3 车辆行人运动轨迹跟踪功能
        5.3.4 车辆行人安全事件监控功能
        5.3.5 车辆行人安全事件预警功能
    5.4 车辆行人安全检测数据管理模块
        5.4.1 车辆行人分时流量历史数据查看
        5.4.2 车辆行人安全事件历史查看
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 研究展望
参考文献
在学期间的研究成果
致谢


【参考文献】：
期刊论文
[1]基于YOLO v3的机场场面飞机检测方法[J]. 郭进祥,刘立波,徐峰,郑斌.  激光与光电子学进展. 2019(19)
[2]基于Faster RCNN和YOLO的交通场景下的车辆检测[J]. 徐亮,黄李波,白杰.  佳木斯大学学报(自然科学版). 2019(02)
[3]提取目标区域词袋特征的图像分类方法[J]. 王娜娜,李晓旭,曹洁.  计算机工程与应用. 2018(20)
[4]大型三维交通场景道路的自动构建[J]. 王贤隆,柳有权,李浩宇,董飞.  计算机仿真. 2016(10)
[5]基于改进匈牙利算法的多技能人员调度方法[J]. 李廷鹏,钱彦岭,李岳.  国防科技大学学报. 2016(02)
[6]以数据为中心的智慧城市研究综述[J]. 王静远,李超,熊璋,单志广.  计算机研究与发展. 2014(02)



本文编号：3175166