面向车载视觉的目标检测与跟踪技术研究

发布时间：2021-05-24 07:11

　　随着国民经济的飞速发展,汽车保有量逐年增加,在方便人们日常生活的同时也带来了一系列的交通安全问题。为提高驾驶安全性,减少交通事故的发生,车辆辅助驾驶系统应运而生。安全可靠的车辆辅助驾驶系统通常需要连接互联网,然而传统互联网存在通信效率低,传输时延大的问题。双结构网络主张在互联网主结构的基础上增加基于“辐射-复制”模型的播存次结构网络,能够有效降低通信负载,减少时延。借助具有丰富语义特征的统一内容标签（Uniform Content Lable,UCL）,车辆辅助驾驶系统能够规范化目标信息,实现安全的网络通信。车辆辅助驾驶系统需要很多方面的技术支持,其中目标检测与跟踪就是关键技术之一。然而现实场景复杂多变,难以对目标进行准确、高效的检测与跟踪。在目标检测任务上,SSD检测算法由于具有实时的检测速度以及较高的检测精度而得到广泛的研究与应用,然而该算法存在对小目标漏检率较高的问题。在目标跟踪任务上,单一的目标跟踪算法难以解决上述跟踪任务中的难题,跟踪效果往往较差。针对上述问题,本文提出一种基于特征融合的BSSD（Bidirection Single Shot Multibox Detecto... 

【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】：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
    1.2 研究目标及内容
    1.3 论文组织结构
第二章 目标检测与跟踪相关研究
    2.1 目标检测相关研究
        2.1.1 传统目标检测算法
        2.1.2 基于深度学习的目标检测算法
    2.2 目标跟踪相关研究
        2.2.1 传统目标跟踪算法
        2.2.2 基于相关滤波的目标跟踪算法
        2.2.3 基于深度学习的目标跟踪算法
    2.3 本章小结
第三章 基于特征融合的BSSD目标检测算法
    3.1 主要问题与研究思路
    3.2 整体技术框架
    3.3 特征融合模块
        3.3.1 特征层选择
        3.3.2 特征融合方式
        3.3.3 特征融合模块构建
    3.4 数据扩增策略
    3.5 融入Focal Loss的目标函数
    3.6 本章小结
第四章 基于BSSD检测与运动状态估计的目标跟踪算法
    4.1 主要问题与研究思路
    4.2 BSSD-MSE总体流程
    4.3 目标位置预测
        4.3.1 跟踪目标初始化
        4.3.2 目标状态划分
        4.3.3 运动状态估计
        4.3.4 目标位置修正
    4.4 数据关联
    4.5 本章小结
第五章 原型系统实现与实验分析
    5.1 原型系统设计
        5.1.1 原型系统设计
        5.1.2 原型系统实现
    5.2 实验与分析
        5.2.1 BSSD算法实验与分析
        5.2.2 BSSD-MSE算法实验与分析
    5.3 本章小结
第六章 论文总结与未来工作
    6.1 论文总结
    6.2 未来工作展望
致谢
参考文献
作者简介


【参考文献】：
期刊论文
[1]多尺度卷积特征融合的SSD目标检测算法[J]. 陈幻杰,王琦琦,杨国威,韩佳林,尹成娟,陈隽,王以忠.  计算机科学与探索. 2019(06)
[2]基于改进SSD的轻量化小目标检测算法[J]. 吴天舒,张志佳,刘云鹏,裴文慧,陈红叶.  红外与激光工程. 2018(07)
[3]一种加强SSD小目标检测能力的Atrous滤波器设计[J]. 温捷文,战荫伟,李楚宏,卢剑彪.  计算机应用研究. 2019(03)
[4]基于深度学习的多视窗SSD目标检测方法[J]. 唐聪,凌永顺,郑科栋,杨星,郑超,杨华,金伟.  红外与激光工程. 2018(01)
[5]协同运动状态估计的多目标跟踪算法[J]. 袁大龙,纪庆革.  计算机科学. 2017(S2)
[6]基于改进型LTP的均值漂移目标跟踪算法[J]. 邹青志,黄山.  计算机科学. 2017(04)
[7]基于自重构粒子滤波算法的目标跟踪[J]. 王宇霞,赵清杰,蔡艺明,王博.  计算机学报. 2016(07)
[8]基于播存思想的未来互联网次结构[J]. 杨鹏,李幼平.  复杂系统与复杂性科学. 2015(02)
[9]播存网络体系结构普适模型及实现模式[J]. 杨鹏,李幼平.  电子学报. 2015(05)



本文编号：3203780