检索结果-南通市图书馆

作者：陈梦竹北京交通大学

学位级别：硕士

望诊客观化的核心内容是面诊和舌诊。其中舌诊客观化的技术已经在临床上应用,然而面诊客观化的研究还存在较多的空白领域。许多研究者分别从仪器设备和图像处理两个角度着手对中医面诊客观化技术进行分析研究由于在仪器设备角度的研究... 详细信息

望诊客观化的核心内容是面诊和舌诊。其中舌诊客观化的技术已经在临床上应用,然而面诊客观化的研究还存在较多的空白领域。许多研究者分别从仪器设备和图像处理两个角度着手对中医面诊客观化技术进行分析研究由于在仪器设备角度的研究对设备精密程度的高要求,伴随着设备开发的高成本,所以研究者更多的是着眼于将中医面诊与图像处理方法相结合的角度进行研究。因此怎样更高效地用图像处理的方法来实现中医面诊成为了诸多学者热切关注的问题。本论文以中医面色诊作为理论基础,采用基于模板与肤色模型结合的方法检测人脸并分割皮肤块,提取皮肤块的面色特征,对中医面色进行分类主要研究内容包括:(1)提出了一种基于中医面诊分割人脸皮肤感兴趣区域的技术。首先由模板匹配初步在图像中定位出人脸,之后通过阂值分割原始图像中的人脸;通过主动外观模型算法得到的人脸关键点精确定位人脸五官位置;将中医面诊作为理论指导,确定额头,左、右眼睑,左、右脸颊,鼻头,嘴,下颌八个感兴趣区域。(2)提出了基于感兴趣区域的皮肤块精分割。在定位后的感兴趣区域转换至YCbCr空间后,使用椭圆肤色模型分割皮肤块,并将定位出的感兴趣区域与使用肤色模型分割后的皮肤块结果作比较。实验结果证明,使用肤色模型分割后的结果具有较高的鲁棒性。(3)提出将颜色特征、纹理特征、局部二值模式特征作为中医面色特征的融合特征并通过经典的机器学习算法进行面色分类。分别对分割后的皮肤块提取不同颜色空间的特征,将归一化rgb、HSV、Lab颜色特征、灰度共生矩阵的纹理特征以及局部二值模式作为最后的融合面色特征;将提取到的面色特征采用支持向量机、BP神经网络进行面色分类。实验结果证明,面色融合特征的最高分类准确率达到89.608%。

关键词：中医面诊皮肤分割面色识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

弱外观特征下跨场景多目标跟踪及前端实现

弱外观特征下跨场景多目标跟踪及前端实现

作者：宗佳平北京交通大学

学位级别：硕士

基于监控视频的弱外观多目标跟踪是建设智慧生物实验室的一个重要内容。在一些实验室中,工作人员须统一着装,在摄像头抓取到的视频图像信息中,目标外观特征相似度较高,呈现出一种弱外观特性,并且由于遮挡等因素的影响,在跟踪过程中容易... 详细信息

基于监控视频的弱外观多目标跟踪是建设智慧生物实验室的一个重要内容。在一些实验室中,工作人员须统一着装,在摄像头抓取到的视频图像信息中,目标外观特征相似度较高,呈现出一种弱外观特性,并且由于遮挡等因素的影响,在跟踪过程中容易出现漏检、误检等问题,导致跟踪失败。此外,基于深度学习的相关算法需要大量的计算资源,在嵌入式平台上难以达到实时性要求。因此,本文尝试将基于深度学习的目标检测与跟踪算法部署到嵌入式平台Jetson Nano上面,并实现跨场景下的多目标跟踪。本文旨在针对特殊的生物实验室,实现弱外观特征下跨场景多目标跟踪,并将其部署到嵌入式设备上。为提高在有限硬件资源下的算法推理速度,本文采用模型剪枝生成了一种新的轻量级目标检测网络;为提高目标跟踪器的准确性,本文采用卷积神经网络提取特征,实现多目标跟踪,并基于前一帧的跟踪结果,对当前帧的检测结果进行校正;为实现跨场景下的目标跟踪,本文结合图像间的时序信息进行逻辑判断。最后,本文将算法部署到嵌入式设备Jetson Nano上,并采用TensorRT加速进一步降低计算资源的占用率,提高算法推理速度。主要工作和创新点如下:(1)提出了一种基于YOLOv3的新型轻量级检测网络。该网络以YOLOv3为基础网络,结合模型剪枝,提出基于归一化层权重评价的剪枝算法,对网络进行通道剪枝与层剪枝,压缩网络参数,在保证检测精度的前提下,提高网络的推理速度。(2)提出了目标跟踪与目标校正算法。该算法结合卷积神经网络提取特征向量,通过IOU(Intersection-over-union)与余弦距离运算实现多目标跟踪,并基于跟踪结果进行检测校正,以提高跟踪器性能。本文主要使用检测目标前后两帧间的目标框重叠度(IOU)进行数据关联,当新目标出现时,利用卷积神经网络提取的特征向量与特征向量集进行相似性度量,分配对应的ID。同时,本文算法利用已有的跟踪结果,结合时空上下文信息,对当前图像的检测结果进行校正,提高检测的准确性,间接提高跟踪器的准确性。(3)实现了一个跨场景下的多目标跟踪系统。本文将算法部署到多台嵌入式设备后,利用TensorRT对模型进行优化加速,提高网络模型的推理速度,并将各个设备下得到的多目标跟踪结果同时传输至服务器端,利用图像间的时序信息,实现基于嵌入式设备的弱外观特征下跨场景多目标跟踪。实验结果表明,本文提出的轻量级多目标跟踪算法与已有的多目标跟踪算法相比取得了较好的跟踪结果,且在仅损失较少精度的情况下保持较高的网络压缩率,适于嵌入式平台前端实现。

关键词：弱外观目标检测压缩剪枝多目标跟踪嵌入式平台

基于小波模极大值点的信号稀疏表示及压缩感知重构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波模极大值点的信号稀疏表示及压缩感知重构

作者：雷蕾北京交通大学

学位级别：硕士

随着信息技术的飞速发展,传统的Shannon/Nyquist采样定理已不能满足日益增长的海量数据的存储、传输、处理等问题,这就需要更强大更高速的信号处理理论和算法,也需要进一步提升硬件设备的信号处理能力。近年来,Candes、Donoho和华裔数学... 详细信息

随着信息技术的飞速发展,传统的Shannon/Nyquist采样定理已不能满足日益增长的海量数据的存储、传输、处理等问题,这就需要更强大更高速的信号处理理论和算法,也需要进一步提升硬件设备的信号处理能力。近年来,Candes、Donoho和华裔数学家Tao等人提出了一种新的信息获取理论——压缩感知理论(Compressed Sensing,CS)。该理论的本质为可压缩信号(在某个基上具有稀疏描述)的少量随机线性投影就包含了该信号重构和处理的随机信息,也就是仅仅利用信号稀疏或可压缩的先验知识和少量全局线性测量就可以获得信号的精确重建。稀疏表示和恢复算法一直是压缩感知理论的核心内容,因此,本文围绕稀疏表示和重构算法问题做了以下几方面的工作：1简单介绍了压缩感知理论的基本框架和流程,针对压缩感知理论中信号的稀疏表示、观测矩阵的设计以及信号的重构算法等核心问题进行了详细分析,阐述了压缩感知理论的初步应用,为本文的算法研究奠定了理论基础。2针对信号的稀疏表示问题,本文提出了基于小波模极大值搜索的信号稀疏表示方法,以及对应的信号重构算法。首先,该方法在小波变换的基础上,寻找各层小波系数的模极大值点,并根据模极大值点的传播特性对其进一步优化处理,使得信号的稀疏性得到显著提高。然后,将稀疏化的信号通过观测矩阵得到它的观测值,对观测值进行熵编码以实现数据压缩传输。解码时,采用正交匹配追踪算法得到模极大值点的估计值,最后用交替投影算法重构出原始信号。仿真结果表明,与经典压缩感知算法相比,该算法的信号重构质量有较大提高,且由于稀疏度增大,信号具有更好的可压缩性,实验表明本文算法对复杂信号效果更明显。3针对二维信号的重构问题,本文对基于小波域树形结构的回溯正交匹配追踪算法(TBOMP)的搜索小波子树的部分进行改进,根据小波树形结构的特点,结合贪婪树逼近,提出了倒置小波子树搜索的方法,使搜索过程更加有效、简单,然后通过回溯删除的思想进一步优化搜索结果,最后将该算法应用到二维图像重构中。仿真结果表明,与原有同类压缩感知算法相比,该算法的信号重构质量大大提高。

关键词：稀疏表示模极大值小波树正交匹配追踪交替投影

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波域维纳滤波器的压缩感知理论及应用

基于小波域维纳滤波器的压缩感知理论及应用

作者：赵志鹏北京交通大学

学位级别：硕士

信息技术的飞速发展使得人们对信息的需求量剧增,奈奎斯特定理指导下的信号采样、传输和存储等已成为目前信息领域进一步发展的主要瓶颈之一。近年来,一种新兴的压缩感知理论(Compressive Sensing, CS)为数据采集技术带来了革命性的突破... 详细信息

信息技术的飞速发展使得人们对信息的需求量剧增,奈奎斯特定理指导下的信号采样、传输和存储等已成为目前信息领域进一步发展的主要瓶颈之一。近年来,一种新兴的压缩感知理论(Compressive Sensing, CS)为数据采集技术带来了革命性的突破,该理论采用非自适应线性投影保持信号的结构,通过求解最优化问题准确重构原始信号。另外,它以远低于奈奎斯特频率对信号进行采样,这使其在信号处理领域有着突出的优点和广阔的应用前景。压缩感知理论的三个要素是信号的稀疏表示,测量矩阵的设计及重构算法,而信号的稀疏性是CS的必备条件。因此,研究信号的稀疏表示对于CS理论尤其重要。本文围绕信号的稀疏表示问题做了以下几方面的工作。1.根据维纳滤波器是具有最小均方误差的线性滤波器的特点,利用小波域经验维纳滤波器的设计方法,提出了基于小波域维纳滤波器的信号稀疏表示及压缩感知恢复算法。通过对一维信号和二维图像的仿真结果表明,该算法对信号的恢复效果要明显优于传统的压缩感知算法。2.提出了基于小波域Wiener滤波器的带噪信号去噪算法。该算法采用Wiener滤波器稀疏表示的小波去噪方法去除噪声。通过对一维信号的仿真结果表明,该方法对信号的恢复效果优于硬阈值去噪算法和原基于小波域Wiener滤波器的去噪算法。3.介绍了基于压缩感知理论的语音信号处理方法。根据压缩感知理论对纯净语音及带噪语音信号重构频谱相似的特点,提出了基于压缩感知的语音识别抗噪方法。实验结果表明,该方法的效果要优于传统的识别方法。

关键词：压缩感知稀疏表示 Wiener滤波器小波变换信号重构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视觉关键词稀疏表示的全局异常事件检测研究

视觉关键词稀疏表示的全局异常事件检测研究

作者：曹丽莉北京交通大学

学位级别：硕士

由于很多不法分子为了破坏公共秩序危害人们的生命安全,在很多人群密集的公共场所实施犯罪行为,如地铁站、火车站、商场等,其破坏力极大,所以公共安全越来越引起世界各个国家的重视,视频监控异常检测技术的研究成为该领域的主要方向之... 详细信息

由于很多不法分子为了破坏公共秩序危害人们的生命安全,在很多人群密集的公共场所实施犯罪行为,如地铁站、火车站、商场等,其破坏力极大,所以公共安全越来越引起世界各个国家的重视,视频监控异常检测技术的研究成为该领域的主要方向之一。本文结合计算机视觉、图像处理、模式识别等相关知识,提出了HMOFP特征稀疏表示与视觉关键词稀疏表示的全局异常事件检测研究的方法,具体研究如下：(1)本文采用改进的最大光流投影直方图(HMOFP)方法提取特征,首先利用HS光流算法提取光流场,舍弃幅值过小的光流减少计算时间,然后将0°-360°平均分割为八个方向区域,光流矢量按照方向分布在八个不同的方向区域,取某方向中所有光流矢量在其角平分线上的最大投影值作为该方向的特征描述子。(2)正常行为模式字典的构建是本文的重点研究之一。本文基于特征的相似性与最大光流投影直方图特征(HMOFP)的性质,提出了一种新的字典优化算法,首先对一定数量连续的正常帧提取HMOFP特征作为正常行为模式的初始字典,然后利用K-means进行聚类,将同一类中所有特征每一行的最大值组成的列向量作为优化后字典的一个原子(也就是一列),所有类的列向量组成的矩阵构成优化后的正常行为模式字典。(3)本文提出的第二种字典构建的方法基于特征的相似性与图像的视觉关键词,同样取一定数量连续的正常帧,首先对帧图像进行分块处理,利用改进的HMOFP提取局部子区域特征,然后对所有的局部子区域特征进行K-means聚类处理,将类中心级联构成整帧图像运动信息的视觉关键词,最后所有正常帧的视觉关键词构成了正常行为模式的字典。(4)利用OMP算法与正常行为模式字典求出待测样本的稀疏表示系数,根据稀疏重构代价原理(SRC)进行异常事件检测。通过设定阈值,大于等于该阈值的判断为异常事件,小于阈值的判断为正常事件。实验结果表明,基于HMOFP特征稀疏表示的全局异常事件检测方法准确率达到91%以上;视觉关键词稀疏表示的全局异常事件检测方法准确率达到97%以上,能够有效地进行拥挤场景全局异常事件检测。

关键词：全局异常事件检测 HMOFP 视觉关键词 K-means聚类稀疏表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于增强现实的虚拟旅游平台设计与开发

基于增强现实的虚拟旅游平台设计与开发

作者：杜媛媛北京交通大学

学位级别：硕士

文化遗产是每个国家和民族的文明象征和宝贵财富,对国家、民族文化遗产的保护一直是我国文化建设的重要课题。网络时代的到来,数字化技术和虚拟旅游的发展,为解决这一问题提供了新的途径和可能。虚拟旅游是指通过数字化手段来实现对历... 详细信息

文化遗产是每个国家和民族的文明象征和宝贵财富,对国家、民族文化遗产的保护一直是我国文化建设的重要课题。网络时代的到来,数字化技术和虚拟旅游的发展,为解决这一问题提供了新的途径和可能。虚拟旅游是指通过数字化手段来实现对历史古迹的虚拟重建。本文重点研究以增强现实技术为基础的虚拟旅游系统,该方面的研究相对还不成熟,存在很多现实问题。针对目前存在的这些问题,本文在虚拟旅游平台的实用性上进行研究,提出了一种可应用于户外的虚拟旅游平台系统,该系统具备便携式,实时性和可移植性等优点,并且可用于室外,是一个适应市场需求、能够使大众广泛使用的虚拟旅游系统。本文将系统的研究工作分为以下三个方面： (1)针对户外场景的复杂性,研究一种可以快速准确识别出户外场景的算法。通过对各种图像识别算法的比较,最终选取基于局部特征的图像识别算法,并对SIFT、SURF、BRISK和ORB算法进行对比,提出了一种基于ORB算法的户外场景识别算法,该算法识别率高并且速度快,满足本文提出的户外虚拟旅游平台系统的要求。 (2)在基于自然特征的三维注册技术的基础上,结合单应性矩阵,提出一种基于单应性矩阵的三维注册算法,并在原始单应性矩阵的基础上进行改进,改进后的算法配准率较高,更准确的实现三维注册,满足系统便携式和实时性的要求。 (3)选用OpenGL实现最后的虚实结合模块,以满足户外虚拟旅游系统可移植性的要求。研究OpenGL模型叠加原理和绘制OBJ模型的流程,最终实现虚拟物体与现实场景的无缝结合,达到增强现实效果。为了验证各算法的有效性,本文利用OpenCV和OpenGL数据库,设计开发了该系统,并经过实验证明,该系统在以上算法的支持下可以成功实现,实时性好,完全可以达到预期的增强现实效果。

关键词：虚拟旅游增强现实 ORB 单应性矩阵 OpenGL

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

行车视频中基于深度学习的目标检测

行车视频中基于深度学习的目标检测

作者：张芳慧北京交通大学

学位级别：硕士

随着计算机视觉技术的发展,特别是深度学习技术的发展,自动驾驶技术越来越成熟,高级辅助驾驶是迈向自动驾驶的关键一步,车距估计是辅助驾驶中的一个重要研究问题,基于车载雷达的测距方法虽然准确度高,但其成本很高。基于车载摄像头的车... 详细信息

随着计算机视觉技术的发展,特别是深度学习技术的发展,自动驾驶技术越来越成熟,高级辅助驾驶是迈向自动驾驶的关键一步,车距估计是辅助驾驶中的一个重要研究问题,基于车载雷达的测距方法虽然准确度高,但其成本很高。基于车载摄像头的车距估计是廉价替代技术之一。为此,本文研究了基于车载摄像头的车距估计。在SSD(Single Shot Detector)目标检测的基础上,本文提出联合度量学习的SSD(即MLSSD,Metric Learning SSD)算法对行车视频中的目标进行检测,进而根据标记点估计车距。为了提高检测效率,提出结合多目标跟踪算法进行目标检测和跟踪,从而减少目标检测计算量,同时提高准确率,最终得到行车视频中目标车辆到主车的距离和偏移角度,帮助主车司机决策。本文主要工作和创新如下。1)建立畸变车辆检测数据集。本文中的车载后视摄像头为鱼眼摄像头,与一般摄像头不一样的是,鱼眼摄像头拍摄下的车辆有畸变,在公开数据库中训练的模型在畸变数据上检测得到的车辆准确率低。因此,本文标注并建立一个鱼眼摄像头下的车辆检测数据集。该数据集包含有5000张图像,其中4000张为训练集图像,500张为验证集图像,500张测试集图像。2)联合度量学习提出MLSSD(联合度量学习的SSD算法)算法检测视频中的车辆。本文结合度量学习提出了基于多损失函数联合训练的网络结构,得到更加鲁棒的特征,使得最终车辆检测结果更加准确。3)提出结合多目标跟踪算法提高目标检测性能。在MLSSD检测结果的基础上,结合多目标跟踪算法SCEA(结构约束事件聚拢算法)提出了 DAT(Detection andTracking)目标检测与跟踪框架,进一步提高检测准确率及实时性,减少GPU资源占用,最后根据摄像头标定数据初步实现车距估计。实验结果表明,本文提出的算法在畸变摄像头下,能实时检测视频中的目标,同时提升准确率。对于车距的估计,在测试数据集上,平均误差在50cm以内。

关键词：车辆检测多目标跟踪度量学习车距估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车载移动设备震动信号的路面缺陷检测

基于车载移动设备震动信号的路面缺陷检测

作者：孙江伟北京交通大学

学位级别：硕士

近年来,公路作为我国基础建设项目之一,对改善人民生活和促进国家各领域发展都起到十分重要的作用。随着时间的推移,早期建成公路由于施工技术的限制、自然条件的影响以及公路高负荷使用等,导致道路表面结构出现不同程度的损伤,且最终... 详细信息

近年来,公路作为我国基础建设项目之一,对改善人民生活和促进国家各领域发展都起到十分重要的作用。随着时间的推移,早期建成公路由于施工技术的限制、自然条件的影响以及公路高负荷使用等,导致道路表面结构出现不同程度的损伤,且最终以坑槽的形式呈现。为了保障公路行车安全、平稳、舒适,路面养护工作就需及时、有效的开展。但由于我国公路里程数量庞大,人工巡检效率低下、基于视频图像的自动化检测方式需要安装特定设备,且视频数据量巨大,传输、存储和分析代价高,无法满足我国公路养护工作快速、高效的基本要求。面临以上种种挑战,本文提出基于车载移动设备震动信号的路面缺陷检测方法,旨在加快缺陷检测效率,提升公路行驶安全保障。主要研究内容如下:(1)自主研发数据采集APP并构建路面缺陷震动信号数据集。因课题相对新颖,未找到路面缺陷震动信号相关数据集。所以,决定使用移动设备加速度传感器结合GPS定位系统、相机、高德离线地图等相关技术自主开发震动信号采集APP,并搭配普通汽车完成数据采集工作。收集到的原始震动信号通过标注、提取、数据清洗、数据填充等处理,构建优质的路面缺陷震动信号数据集。本文使用统计学中均值、方差,并绘制数据变化曲线,分别分析数据集中每类数据的统计特征和实际规律特征。(2)提出基于时序和形态特征融合的震动信号缺陷检测模型。根据数据集中各类数据的特征,寻找适合处理本课题相关问题的算法模型。针对现存模型提取的时序数据特征比较单一且现存网络在本文自主构造的数据集上表现不佳的问题,提出多特征融合网络LCN(LSTM and CNN’s Networks,LCN)和TCN(Transformer and CNN’s Networks,TCN)。LCN和TCN网络均使用双分支结构,其中LSTM/-Transformer分支主要提取数据之间相关性特征,CNN-Inception分支主要提取数据整体形态特征,并在CNN-Inception分支加入通道注意力机制SENet,提高重要通道的关注度。最后将两个分支提取的特征进行融合,提升特征的完整性与全面性。实验结果证明,本文搭建的模型相较于参考模型在自建数据集上的效果更佳,分类准确率总体平均提升4%以上。(3)为了使模型更好的落地,设计实现了“路面缺陷智能检测系统”。该系统集成了路面震动信号上传与检索、震动信号可视化、震动信号预分析、路面缺陷检测与可视化、路面缺陷统计与可视化等核心功能。实现一站式快捷检测路面缺陷,为后期养护工作打下坚实的基础。

关键词：路面缺陷检测路面震动信号时间序列数据智能检测系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向轮渡场景下流量统计的目标检测与跟踪

面向轮渡场景下流量统计的目标检测与跟踪

作者：安梦蕾北京交通大学

学位级别：硕士

目标计数在智能安防领域有着广泛的应用前景,是计算机视觉领域的典型应用,其包含的目标检测和目标跟踪技术是计算机视觉需要解决的最基本问题,也是当前研究的热点。但是在实际的监控场景中光照变化、背景复杂,尤其是行人出现遮挡、姿态... 详细信息

目标计数在智能安防领域有着广泛的应用前景,是计算机视觉领域的典型应用,其包含的目标检测和目标跟踪技术是计算机视觉需要解决的最基本问题,也是当前研究的热点。但是在实际的监控场景中光照变化、背景复杂,尤其是行人出现遮挡、姿态变化,都会影响最终结果的优劣。近年来随着深度学习的广泛应用,其在鲁棒性和准确度方面可以有效提高算法质量,因此本文是基于深度学习方法对目标的检测和跟踪方面进行研究。本文以基于数据集中上下行的行人车辆为研究目标,综合考虑实时性和准确性,结合实际场景,提出了改进YOLOv3(You Only Look Once v3)的目标检测方法、基于IOU(Intersection Over Union)的车辆跟踪方法和改进Deep SORT(Simple Online And Realtime Tracking With A Deep Association Metric)的行人跟踪算法,最终得到行人的数目,辅助安防监控视频。本文主要工作和创新如下:(1)建立行人车辆检测跟踪数据集本文数据的采集来自于两部分,一是采集真实客渡场景的数据,二采集真实轮渡场景数据。数据集含有车辆和行人两种类别,其中标注行人的头肩部分区域制作的数据集,包括8874张图像,其中7986张训练集,888张测试集。(2)基于改进YOLOv3的目标检测算法本文提出了改进的YOLOv3检测算法。针对原始YOLOv3算法应用于检测中精度相对较低的问题,在原始YOLOv3损失函数中,使用CIOU Loss代替均方误差损失函数作为边界框回归函数,在边界框置信度损失函数中融入Focal Loss损失函数。针对YOLOv3算法检测较慢问题,使用Mobile Net网络代替Dark Net-53网络。通过实验验证这种算法在本数据集中有良好的检测效果,并且具有实时性。(3)基于IOU-tracker和改进Deep SORT的多目标跟踪与计数行人和车辆的大小在图像中相差较大,行人的边框面积远远小于车辆的面积,因此采用两种不同的计数方法。对于车辆计数采用IOU-tracker进行跟踪并计数,针对行人目标本文提出了改进Deep SORT的多目标跟踪算法进行计数。改进的Deep SORT跟踪算法是使用Res Net101网络和Hard Triplet Loss损失函数代替原始网络,实验证明改进的算法对于目标跟踪有更好的效果。实验结果表明,本文提出的检测算法在本文自制测试集中可以达到实时的效果,并且达到93.27%的精度。将检测跟踪结合起来的计数系统在车辆和行人两种类别上都可以达到较好的效果。

关键词：行人检测多目标跟踪损失函数行人计数

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

开放式环境下视频车牌检测与识别

开放式环境下视频车牌检测与识别

作者：杨帅北京交通大学

学位级别：硕士

车牌检测与识别有着三十余年的研究历史,并且在一些简单固定场景下已经得到了广泛应用,但是在成像设备不固定、光照不佳等开放式环境下,现有的车牌检测与识别算法的效果会急剧下降。近年来深度学习在计算机视觉领域得到了广泛应用,其算... 详细信息

车牌检测与识别有着三十余年的研究历史,并且在一些简单固定场景下已经得到了广泛应用,但是在成像设备不固定、光照不佳等开放式环境下,现有的车牌检测与识别算法的效果会急剧下降。近年来深度学习在计算机视觉领域得到了广泛应用,其算法在鲁棒性、准确度等方面远超传统算法,因此本文尝试将深度学习应用于车牌检测与识别,在开放式环境下达到实时、准确的效果。本文以开放式环境下视频车牌检测与识别为目标,综合考虑实时性与准确性,结合实际应用场景,提出了基于YOLOv3(You Only Look Oncev3)的车牌检测算法 LPDNet(License Plate Detection Network)和基于 CRNN(Convolutional Recurrent Neural Network)的车牌序列识别算法 LPSRNet(License Plate Sequence Recognition Network)。本文主要工作和创新如下:(1)建立车牌检测及识别基准数据集目前中文车牌仅有的大型数据集为中国科学技术大学公开的CCPD,但其拍摄场景固定、车牌相似度高且每张图像仅含一个车牌,不适合作为基准数据集。在车牌检测方面,本文通过自行采集并标注图像,建立了一个含有5854张图像的检测数据训练集,同时建立了一个由easy、hard、extreme三部分共1050张图像组成的检测基准测试集;在车牌识别方面,本文提出了基于数据合成的方法构建车牌识别训练集,并构建了由500张手动标注车牌图像组成的车牌识别测试集。(2)基于YOLOv3的车牌检测算法本文基于YOLOv3进行改进,提出了用于车牌检测的LPDNet,并通过实验证明了此算法在光照不佳、车牌倾斜、运动模糊、遮挡等开放式环境下均能取得良好的检测效果,且具有实时性。(3)基于CRNN的车牌序列识别算法本文基于CRNN进行改进,提出了用于车牌序列识别的LPSRNet,实验证明此算法对模糊、光照不佳、倾斜等条件下的车牌均能达到较好的识别效果,同时具有实时性。实验结果表明,本文提出的LPDNet车牌检测算法在检测基准测试集上能达到100%的precision、92.65%的recall和16FPS的速度,LPSRNet车牌序列识别算法能达到94%的准确率和每张车牌3ms的速度。最终得到的车牌检测与识别整体模型能达到86.65%的准确率和10FPS的速度,优于当前其他车牌检测与识别算法。

关键词：深度学习车牌检测车牌识别实时检测