面向智能交通系统的车辆目标跟踪算法研究与实现
发布时间：2021-05-15 10:19
智能交通系统（Intelligent Transportation System,ITS）是旨在充分利用先进的信息技术、传感器技术、人工智能技术等实现实时、高效、准确的综合交通运输及管理系统。其中一个关键的技术环节是车辆目标跟踪。车辆目标跟踪利用人工智能及图像分析技术对车辆进行跟踪,不仅能够节省安装雷达等其他跟踪设备的成本,还能为后续车流量检测等高级任务提供数据。但是,由于车辆之间的外观拥有极高相似性,以及拥挤车流造成车辆之间不同程度的遮挡,使得车辆跟踪一直存在准确率低的问题。同时,大多数结合人工智能的目标跟踪算法都依赖于高性能的硬件设备,而在智能交通系统中更多是由大量嵌入式设备组成,所以目前存在的算法并不适合直接应用于功耗受限的嵌入式设备。为了提高跟踪准确率,确保在实际复杂监控场景中具有更好的效果,探索在嵌入式设备上实现车辆跟踪算法的可行性,本文进行了以下研究:1.当前主流的车辆跟踪技术通常采用基于检测的跟踪策略。这种跟踪策略存在的一个主要问题是目标检测器的性能有限,从而在车辆检测过程中会产生噪声。本文提出一种基于孪生神经网络和反向预测验证的车辆实时跟踪方法。该方法主要分为前向位置预...
【文章来源】：重庆邮电大学重庆市
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
注释表
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 国内外车辆检测算法技术研究现状
1.2.2 国内外跟踪算法技术研究现状
1.3 论文的主要研究内容和组织结构
1.3.1 主要研究内容
1.3.2 组织结构
第2章 研究基础理论
2.1 车辆检测
2.1.1 传统目标检测
2.1.2 深度学习目标检测
2.2 深度学习相关技术基础
2.2.1 卷积神经网络基本结构
2.2.2 损失函数和反向传播
2.2.3 卷积神经网络基本网络模型
2.3 目标跟踪
2.3.1 初始化方法
2.3.2 数据关联
2.3.3 跟踪方法
2.4 评估指标
2.4.1 精确率和召回率
2.4.2 P-R曲线和平均精确率
2.4.3 CLEAR-MOT指标及UA-DETRAC指标
2.5 本章小结
第3章 基于孪生神经网络和反向预测的车辆跟踪算法
3.1 引言
3.2 Siam IOU车辆跟踪算法
3.2.1 前向位置预测
3.2.2 反向预测验证
3.2.3 包围框的加权融合
3.3 实验分析
3.3.1 UA-DETRAC数据集
3.3.2 MOT17数据集
3.3.3 算法消融实验
3.4 本章小结
第4章 基于JetsonTX1 嵌入式平台的车辆跟踪系统实现
4.1 JetsonTX1GPU处理平台介绍
4.2 车辆跟踪系统设计
4.2.1 车辆检测模块设计
4.2.2 车辆跟踪模块设计
4.3 车辆跟踪系统实现
4.3.1 JetsonTX1 系统配置与环境搭建
4.3.2 JetsonTX1 编译检测模块
4.3.3 JetsonTX1 编译跟踪模块
4.3.4 简易车辆目标跟踪系统界面设计
4.4 本章小结
第5章 总结与展望
5.1 全文总结
5.2 未来研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]基于YOLO算法的车辆实时检测[J]. 王宇宁,庞智恒,袁德明. 武汉理工大学学报. 2016(10)
[2]基于背景差分法的视频目标检测算法研究[J]. 汪国强,盖琪琳,于怀勇,文雪,任天威. 黑龙江大学工程学报. 2014(04)
[3]基于帧间差分的自适应运动目标检测方法[J]. 薛丽霞,罗艳丽,王佐成. 计算机应用研究. 2011(04)
[4]视觉跟踪技术综述[J]. 侯志强,韩崇昭. 自动化学报. 2006(04)
硕士论文
[1]基于改进光流场目标检测跟踪系统的设计[D]. 孙娟.安徽理工大学 2017
[2]智能监视中目标检测及跟踪算法研究[D]. 侯畅.中国科学技术大学 2017
[3]特征匹配与目标跟踪算法的研究[D]. 陈洁.南京邮电大学 2016
[4]基于视频的车流量检测[D]. 夏永祥.兰州理工大学 2016
[5]智能交通监控中的视频处理方法与系统[D]. 秦为帅.东南大学 2015
[6]基于光流法的车辆检测与跟踪[D]. 王效文.江苏科技大学 2015
[7]基于视频图像处理的智能交通监控系统研究与设计[D]. 阎克栋.中国科学院大学（工程管理与信息技术学院） 2014
本文编号：3187462
【文章来源】：重庆邮电大学重庆市
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
注释表
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 国内外车辆检测算法技术研究现状
1.2.2 国内外跟踪算法技术研究现状
1.3 论文的主要研究内容和组织结构
1.3.1 主要研究内容
1.3.2 组织结构
第2章 研究基础理论
2.1 车辆检测
2.1.1 传统目标检测
2.1.2 深度学习目标检测
2.2 深度学习相关技术基础
2.2.1 卷积神经网络基本结构
2.2.2 损失函数和反向传播
2.2.3 卷积神经网络基本网络模型
2.3 目标跟踪
2.3.1 初始化方法
2.3.2 数据关联
2.3.3 跟踪方法
2.4 评估指标
2.4.1 精确率和召回率
2.4.2 P-R曲线和平均精确率
2.4.3 CLEAR-MOT指标及UA-DETRAC指标
2.5 本章小结
第3章 基于孪生神经网络和反向预测的车辆跟踪算法
3.1 引言
3.2 Siam IOU车辆跟踪算法
3.2.1 前向位置预测
3.2.2 反向预测验证
3.2.3 包围框的加权融合
3.3 实验分析
3.3.1 UA-DETRAC数据集
3.3.2 MOT17数据集
3.3.3 算法消融实验
3.4 本章小结
第4章 基于JetsonTX1 嵌入式平台的车辆跟踪系统实现
4.1 JetsonTX1GPU处理平台介绍
4.2 车辆跟踪系统设计
4.2.1 车辆检测模块设计
4.2.2 车辆跟踪模块设计
4.3 车辆跟踪系统实现
4.3.1 JetsonTX1 系统配置与环境搭建
4.3.2 JetsonTX1 编译检测模块
4.3.3 JetsonTX1 编译跟踪模块
4.3.4 简易车辆目标跟踪系统界面设计
4.4 本章小结
第5章 总结与展望
5.1 全文总结
5.2 未来研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]基于YOLO算法的车辆实时检测[J]. 王宇宁,庞智恒,袁德明. 武汉理工大学学报. 2016(10)
[2]基于背景差分法的视频目标检测算法研究[J]. 汪国强,盖琪琳,于怀勇,文雪,任天威. 黑龙江大学工程学报. 2014(04)
[3]基于帧间差分的自适应运动目标检测方法[J]. 薛丽霞,罗艳丽,王佐成. 计算机应用研究. 2011(04)
[4]视觉跟踪技术综述[J]. 侯志强,韩崇昭. 自动化学报. 2006(04)
硕士论文
[1]基于改进光流场目标检测跟踪系统的设计[D]. 孙娟.安徽理工大学 2017
[2]智能监视中目标检测及跟踪算法研究[D]. 侯畅.中国科学技术大学 2017
[3]特征匹配与目标跟踪算法的研究[D]. 陈洁.南京邮电大学 2016
[4]基于视频的车流量检测[D]. 夏永祥.兰州理工大学 2016
[5]智能交通监控中的视频处理方法与系统[D]. 秦为帅.东南大学 2015
[6]基于光流法的车辆检测与跟踪[D]. 王效文.江苏科技大学 2015
[7]基于视频图像处理的智能交通监控系统研究与设计[D]. 阎克栋.中国科学院大学（工程管理与信息技术学院） 2014
本文编号：3187462
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3187462.html
最近更新
教材专著
