資源描述:
《交通監(jiān)控視頻中的車輛檢測技術(shù)研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文交通監(jiān)控視頻中的車輛檢測技術(shù)研究作者姓名周標(biāo)學(xué)科專業(yè)計算機科學(xué)與技術(shù)指導(dǎo)教師徐雪妙教授所在學(xué)院計算機科學(xué)與工程學(xué)院論文提交日期2016年5月ResearchonVehicleDetectioninTrafficSurveillanceVideoADissertationSubmittedfortheDegreeofMasterCandidate:ZhouBiaoSupervisor:Prof.XuXuemiaoSouthChinaUniversityofTechnologyGuangzhou,China
2、分類號:TP3學(xué)校代號:10561學(xué)號:華南理工大學(xué)碩士學(xué)位論文交通監(jiān)控視頻中的車輛檢測技術(shù)研究作者姓名:指導(dǎo)教師姓名、職稱:申請學(xué)位級別:碩士學(xué)科專業(yè)名稱:計算機科學(xué)與技術(shù)研究方向:計算機視覺論文提交日期:論文答辯日期:學(xué)位授予單位:華南理工大學(xué)學(xué)位授予日期:年月日答辯委員會成員:主席:委員:華南理工大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外,本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個
3、人和集體,均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名:日期:年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,即:研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬華南理工大學(xué)。學(xué)校有權(quán)保存并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版,允許學(xué)位論文被查閱(除在保密期內(nèi)的保密論文外);學(xué)??梢怨紝W(xué)位論文的全部或部分內(nèi)容,可以允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。本學(xué)位論文屬于:□保密,在年解密后
4、適用本授權(quán)書。□不保密,同意在校園網(wǎng)上發(fā)布,供校內(nèi)師生和與學(xué)校有共享協(xié)議的單位瀏覽;同意將本人學(xué)位論文提交中國學(xué)術(shù)期刊(光盤版)電子雜志社全文出版和編入CNKI《中國知識資源總庫》,傳播學(xué)位論文的全部或部分內(nèi)容。(請在以上相應(yīng)方框內(nèi)打“√”)作者簽名:日期:指導(dǎo)教師簽名:日期作者聯(lián)系電話:電子郵箱:聯(lián)系地址(含郵編):摘要隨著智能交通系統(tǒng)的逐步建立,交通監(jiān)控視頻中車輛檢測技術(shù)的需求不斷擴大。本文對視頻中車輛檢測面對的難題和現(xiàn)有的方法進行了研究,然后結(jié)合FasterR-CNN和ViBe算法提出了本文的視頻中車輛檢測方
5、法。本文的主要工作如下:1.針對視頻中的車輛檢測,本文提出了一個融合運動目標(biāo)檢測技術(shù)(ViBe)和基于深度學(xué)習(xí)的靜態(tài)圖片目標(biāo)檢測算法(FasterR-CNN)的新框架。該框架的設(shè)計和實現(xiàn)是為了解決兩個問題:1)為了解決傳統(tǒng)的運動目標(biāo)檢測算法在復(fù)雜情況(光照突變,畫面抖動,車輛遮擋等)下檢測正確率較低的問題,本文利用FasterR-CNN,通過對大量復(fù)雜情況下的車輛訓(xùn)練數(shù)據(jù)進行學(xué)習(xí),能夠更加準(zhǔn)確、穩(wěn)定地在復(fù)雜的情況下檢測出車輛。2)為了進一步減少FasterR-CNN的計算時間和避免誤判的發(fā)生,本文利用ViBe算法快
6、速地提取運動目標(biāo)區(qū)域,能夠極大地減少FasterR-CNN需要處理的數(shù)據(jù)量,并且降低FasterR-CNN的誤判率,從而提升了檢測的速度和準(zhǔn)確率。2.為了實現(xiàn)ViBe算法和FasterR-CNN融合的高效性和統(tǒng)一性,本文在以下的幾個方面對算法做了改進:1)本文提出利用FasterR-CNN對第一幀圖像的檢測結(jié)果來指導(dǎo)ViBe算法模型初始化的改進,使其能夠避免“鬼影”的產(chǎn)生。2)本文利用上一幀F(xiàn)asterR-CNN提供的檢測結(jié)果來指導(dǎo)當(dāng)前幀中ViBe算法的模型更新和前景判斷策略,從而提升算法對各種復(fù)雜情況的魯棒性。3
7、)本文將FasterR-CNN中不同的卷積層的特征組合起來,使分類器能夠獲取到更多層次的信息,從而能夠更好地檢測出視頻中小的車輛。4)本文結(jié)合了時域上的信息對FasterR-CNN中RPN提取的候選區(qū)域進行篩選,能夠在保持準(zhǔn)確率的情況下減少大約50%的候選區(qū)域的數(shù)量。5)本文提出了一種權(quán)值時域非極大值抑制算法,對視頻中時域上的結(jié)果進行建模,用來給當(dāng)前幀分類結(jié)果重新打分并篩選,能夠在一些FasterR-CNN檢測失敗的困難場景得到更準(zhǔn)確的檢測結(jié)果。I3.本文基于廣東省交通集團提供的廣東省高速公路監(jiān)控視頻數(shù)據(jù),制作了一
8、個有超過10000個正樣本的高速公路監(jiān)控視頻中的車輛數(shù)據(jù)集,用于進行算法的實驗和驗證。在這個數(shù)據(jù)集中,本文提出的算法和現(xiàn)有方法相比,同時具有較高的準(zhǔn)確率和較快的速度,能取得較好的效果。關(guān)鍵字:車輛檢測;Vibe算法;FasterR-CNN;深度學(xué)習(xí)IIAbstractWiththegradualestablishmentofintelligenttransp