基于深度学习的交警手势信号识别

发布时间：2021-10-27 07:03

　　交警手势信号作为疏导交通的重要信号,对保障拥堵路段的交通安全、顺畅具有重要的作用。对灵活多变的交警手势识别的研究,无论对辅助驾驶还是自动驾驶技术发展,都具有重要意义。现有的交警手势识别方法大致可分为基于传感器和基于视觉两类。基于传感器的交警手势识别方法往往要求交警手臂上佩戴能采集手势动作的传感器,将采集的动作信息用于识别手势。虽然这类方法能获得很高的准确率,但是这类方法会增加交警的身体负担,对交警指挥产生影响,不利于推广应用。传统的基于视觉的交警手势识别方法,需要Kinect设备采集深度图像、人工设计特征提取器,识别准确率不高,不能满足辅助驾驶或者自动驾驶的需求。本文研究利用深度学习相关方法识别交警手势,研究内容包括:交警手势视频数据集采集制作、交警手势动作特征提取和交警手势信号识别。主要研究成果如下:采集制作了一个交警手势信号数据集,共包含124×8个交警手势视频数据,选取了不同的场景和光照条件。建立了基于深度卷积神经网络的交警手势动作特征提取模型,用于提取交警手势视频数据的特征图序列。首先从交警手势视频数据中获取视频帧图像,然后在交警手势视频帧图像数据集中训练我们基于Incepti... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

人工智能、机器学习、深度学习三者之间的关系

图 2-2 深度学习特征学习示意图 传统人工神经网络人工神经网络是一种模仿人类大脑神经突触联结结构而设计的，具有非线力的数学模型[28]。人脑中的神经网络是一个非常复杂的组织，神经网络的和功能单位是神经细胞，也即神经元，成年人的大脑中估计有 1000 亿个神。生物神经元的结构如图 2-3 所示，它主要由细胞体，细胞核，树突和轴突构元的树突用于接收信号，接收的信号经细胞核处理后，由轴突末梢传递给其。当神经元通过树突接收到其它神经元传来的刺激信号时，细胞核对接收到行加工处理，若神经元被激活，则产生新的刺激信号，并经由轴突传递到轴从而将产生的刺激信号传递到其它神经元。生物神经网络正是通过这种方式不同的外部刺激，选择激活不同的神经元，调整神经元之间的突触连接强度世界、认知世界。

图 2-3 生物神经元结构工神经网络作为模仿生物神经网络而得来的一个计算模型理论，最初arren McCulloch 和数学家 Walter Pitts 于 1943 年提出[29]，他们参考了结构，提出了抽象的 M-P 神经元模型，如图 2-4 所示，神经元模型是网络的基本单元。


本文编号：3461107