基于计算机视觉的车外异常行为识别与预警

发布时间：2024-05-20 23:26

　　近年来,智能交通辅助驾驶领域的发展尤为迅猛,辅助驾驶技术能够有效的保障道路的行车安全、降低交通事故发生的概率,从一定程度上保障人们的人身安全与财产安全。因此,本文采用多目标检测技术与多目标跟踪技术,结合单目视觉测距算法和预警决策算法完成了自然场景下的车外异常行为识别与预警系统的设计和开发,该系统能够对精准地、实时地分析和评估路况情况,对危险情况做出及时预警,并通过实验证明了该系统具有很高的应用价值。本文主要进行了以下几个方面的相关研究:(1)在多目标检测方面,首先详细分析了 YOLO(You Only Look Once)系列目标检测算法的优缺点,针对YOLOv3目标检测算法在普通计算平台上不能进行快速检测的问题,本文提出了基于残差块和FCP模块的RP-YOLO车辆与行人目标检测算法,在Darknet53的网络基础上添加残差块形成Darknet65网络模型,通过FCP模块并连接全连接层进行类别预测与位置回归。通过实验在数据集上验证了改进后的RP-YOLO车辆与行人目标检测算法具有更高的检测速度,同时满足目标检测精度的要求;(2)在多目标跟踪方面,首先详细分析了 Deep-SORT跟踪算...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２．１?ＹＯＬＯｖｌ模型预测结构??Ｆｉｇ．?２．１?ＹＯＬＯｖｌ?ｍｏｄｅｌ?ｐｒｅｄｉｃｔｉｏｎ?ｓｔｒｕｃｔｕｒｅ??

所输出的预测框，得出最终的目标检测框。??在以上三个步骤中，包含三个关键的核心思想，分别是Ｂｏｕｎｄｉｎｇ?Ｂｏｘ分区域预测、??置信度定义以及非极大值抑制算法。??圖＿＿｜??ｐＴｗＷ＾１＇?￣?￣＇；ｉ?Ｂｏｕｎｄｉｎｇ?ｂｏｘｅｓ?＋?ｃｏｎｆｉｄｅｎｃｅ?＼＾０＾＾??￡....

图２．?２预测信息的输出格式??Ｆｉｇ．?２．２?Ｏｕｔｐｕｔ?ｆｏｒｍａｔ?ｏｆ?ｐｒｅｄｉｃｔｉｖｅ?ｉｎｆｏｒｍａｔｉｏｎ??

?基于计算机视觉的车外异常行为识别与预警???■■■?ＷＭ??ＩＩ?１?、〇〇＾??猫狗车?ｂｏｕｎｄｉｎｇ?ｂｏｘ１?ｂｏｕｎｄｉｎｇ?ｂｏｘ２??图２．?２预测信息的输出格式??Ｆｉｇ．?２．２?Ｏｕｔｐｕｔ?ｆｏｒｍａｔ?ｏｆ?ｐｒｅｄｉｃｔｉｖｅ?ｉｎｆｏｒｍａｔｉｏｎ?....

图２．?４?Ａｎｃｈｏｒ?Ｂｏｘ处理过程??Ｆｉｇ．?２．４?Ａｎｃｈｏｒ?Ｂｏｘ?Ｔｒｅａｔｍｅｎｔ?ｐｒｏｃｅｓｓ??

Ｙ０Ｌ０ｖ２为了解决这个问??题，引入了?Ａｎｃｈｏｒ?Ｂｏｘ操作，在对每个子区域进行预测ＢｏｕｎｄｉｎｇＢｏｘ前，预设定一个??子区域的目标原型框，该框与目标有相似的特征性状，通过加入目标形状的先验知识，??从而在目标定位与目标大小两方面提升检测框的精准度。采用Ａｎｃｈｏｒ?Ｂ....

图２．?５?Ｙ０Ｌ０ｖ３结构图??Ｆｉｇ．?２．５?ＹＯＬＯｖ３?Ｓｔｒｕｃｔｕｒｅ?Ｄｉａｇｒａｍ??在检测网络部分，ＹＯＬＯ层负责输出检测结果，包括检测目标的目标中心、宽度与??

ｎｃｎｔｅｎａｔｅ?１＾???－ｊ??〇????????＾????Ｘ??Ｅ－??＾?Ｃｏｎｖｏｌｕｔｉｏｉｉａ］?Ｓｅｔ?Ｃ〇Ｔｒｒ，，ａ，?ｆ??士?—?ｎ?一??Ｐｒｅｄｉｃｔ?ｔｗｏ?ｃ〇ｎｖ〇ｉｕｉ？〇ｎａｉ??±???ｊ?ｘ?２?Ｃｏｎｖｏｌｕｔｉｏｎａｌ??Ｕｐ?Ｓａ....

本文编号：3979277