检索结果-南通市图书馆

基于RetinaNet及优化损失函数的夜间车辆检测方法

在线全文

学校读者我要写书评

暂无评论

汽车工程 2021年第8期43卷 1195-1202页

作者：张炳力秦浩然江尚郑杰禹吴正海合肥工业大学汽车与交通工程学院合肥230041 安徽省智能汽车工程实验室合肥230009 浙江百康光学股份有限公司嘉兴314113

为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化。在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用... 详细信息

为解决智能驾驶系统中夜间车辆检测误检多、远处小目标检测效果差的问题,在RetinaNet的基础上对损失函数进行全面优化。在分类损失函数方面,分析了负样本与正样本交并比的产生机理和对训练的影响,构造了关联交并比的分类损失函数,利用负样本交并比使网络注重于训练难分类负样本,同时利用正样本交并比提高了检测框的定位精度;在定位损失函数方面,改进了传统L1损失的归一化方式,提高了小目标检测能力。此外,针对夜间场景中的车辆特征对网络结构进行了优化设计,并在夜间车辆数据集上进行了测试验证,结果表明模型优化后的平均检测精度提升了14.6%。

关键词：夜间车辆检测损失函数交并比 RetinaNet 小目标检测

在线全文

学校读者我要写书评

暂无评论

夜间车辆检测和状态判断

夜间车辆检测和状态判断

作者：张骏杭州电子科技大学

学位级别：硕士

夜间车辆检测和状态判断指的是基于前向摄像头，对于前方车辆进行检测，并根据其尾灯状态对车辆整体状态做出判断。本文的研究内容主要分为两部分：第一部分对夜间车辆检测的核心问题，即尾灯提取，提出了新的方法;第二部分对其他步骤... 详细信息

夜间车辆检测和状态判断指的是基于前向摄像头，对于前方车辆进行检测，并根据其尾灯状态对车辆整体状态做出判断。本文的研究内容主要分为两部分：第一部分对夜间车辆检测的核心问题，即尾灯提取，提出了新的方法;第二部分对其他步骤提出了一系列改进方案。在夜间前车尾灯提取问题上，现有算法存在一些问题，如对输入设备和检测场景依赖性较大，可检测的车灯形状和颜色受限，检测阈值依赖前车距离等。针对这些问题，本文提出一种算法进行改进。该算法首先通过感兴趣区域分割划定检测范围;接着，通过大量采样统计得到的宽泛阈值进行过滤;然后，进行白色区域提取，得到一些疑似车灯对象，并进行初步验证。在假设验证过程中，本文算法首先进行内矩形拓展，得到光晕区域的大致范围;接着基于车灯白色区域向外层层拓展，对光晕区域进行精确覆盖;然后，算法创造性地提出基于一个事实对假设进行验证，即“越远离白光区域的光晕点亮度值越低”，最终得到车灯检测结果。实验结果表明，较以往的算法，本文算法在尾灯颜色和形状等适应性方面更优，并且有着更高的检测率。在夜间车辆检测和状态判断问题上，现有算法在跟踪失败时缺乏一种合理的处理方式，且对车灯状态变化欠缺考虑;在车灯匹配时，现有算法对于条件限制过于严格，要求前车必须比较正对宿主车辆，导致可检测的角度较小;在状态判断步骤中，现有算法没有充分利用车灯的历史信息和异常状态下车灯的特点。针对这些问题，本文提出改进。在跟踪步骤中，本文采用两个队列进行跟踪，进一步过滤非车灯对象，并采用最小二乘估计维护稳定车灯对象信息，维持检测的连贯性;在匹配步骤中，本文提出使用多个较宽松的匹配条件结合的方式，为了兼容单个车灯变化（如转向灯）的情况，匹配只进行一次。至此，算法得出了车辆检测结果。在状态判断步骤中，本文算法提出同时利用亮度和颜色两种特征，通过历史3帧的车灯亮度以及颜色的累积变化程度来判断前车状态，以达到较好的状态判断效果。实验结果表明，本文提出的跟踪和匹配算法能够达到改进目标，车辆检测算法整体在检测率和适应性上相比现有方案有不小提升。状态判断算法能够准确判断前车状态。算法整体具备了有效性和实时性。

关键词：夜间车辆检测状态判断尾灯提取车灯跟踪车灯对匹配

基于改进YOLOv5s的无人驾驶夜间车辆目标检测算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子测量技术 2023年第17期46卷 87-93页

作者：张蕊高诗博赵霞侯先磊北京建筑大学土木与交通工程学院北京100044

夜间车辆检测对无人驾驶车辆行驶安全具有重要意义。但是,夜间光照强度低,车辆几何特征呈现不明显,尤其远处车辆由于目标小而特征视认难,导致检测难度大幅提升。基于此,提出了一种基于改进YOLOv5s的无人驾驶夜间车辆检测算法。首先,采... 详细信息

夜间车辆检测对无人驾驶车辆行驶安全具有重要意义。但是,夜间光照强度低,车辆几何特征呈现不明显,尤其远处车辆由于目标小而特征视认难,导致检测难度大幅提升。基于此,提出了一种基于改进YOLOv5s的无人驾驶夜间车辆检测算法。首先,采集榆林市部分道路夜间场景自构建数据集,并通过Retinex算法实现数据增强处理;在此基础上,进一步通过以下3个措施对传统YOLOv5s网络进行改进:将深度可分离卷积引入Backbone结构,减少网络参数量;将多种注意力机制与FPN融合,提升网络的特征提取能力;在PAN中引入空洞卷积,在感受野不变和特征信息损失较少的同时,减少网络参数量。最终实验结果显示:夜间车辆的平均检测精度可达84.8%,相较改进前提升了5.2%;对应检测速度可达48 fps,提升了9.1%。研究成果可为提升无人驾驶车辆在事故多发夜间时段的行车安全性奠定理论基础。

关键词：深度学习夜间车辆检测 YOLOv5 注意力机制深度可分离卷积空洞卷积

在线全文

学校读者我要写书评

暂无评论

基于深度学习的夜间车辆检测方法的研究

基于深度学习的夜间车辆检测方法的研究

作者：于文华哈尔滨理工大学

学位级别：硕士

车辆检测技术近年来已经成为计算机视觉领域中研究的热点问题,目前与车辆检测相关的算法在白天环境中取得了非常瞩目的成果,但是针对夜间环境下的目标车辆检测问题仍没有得到有效解决。本文针对夜间环境下的各种道路场景,分析了目前车... 详细信息

车辆检测技术近年来已经成为计算机视觉领域中研究的热点问题,目前与车辆检测相关的算法在白天环境中取得了非常瞩目的成果,但是针对夜间环境下的目标车辆检测问题仍没有得到有效解决。本文针对夜间环境下的各种道路场景,分析了目前车辆检测任务中存在的各种难点问题,重点对夜间图像的增强算法以及基于改进的YOLOv5目标检测算法进行研究,最终设计了一种适用于夜间车辆检测的深度学习算法。本文的主要内容以及成果如下:(1)夜间环境下图像增强算法的研究。夜间车辆的特征信息由于道路背景过暗容易被隐藏,因此为了降低特征提取的难度,本文选择带颜色恢复的多尺度Retinex算法用于夜间车辆的图像增强操作。经过该算法处理后的夜间图像,亮度和对比度均得到了增强,有效地区分了道路背景与目标车辆之间存在的颜色差异,保留更多的有效信息,降低特征提取难度。(2)设计了一种基于改进的YOLOv5夜间车辆检测算法。道路场景中的车辆目标往往存在尺度多样性的特点,本文以YOLOv5算法为基础,主要方法是在网络中添加注意力特征融合(Attentional Feature Fusion,AFF),加强不同尺度目标车辆的特征提取能力。通过实验验证,该优化算法与YOLOv5模型相比将m AP值提升了5.5个百分点,且该算法的平均准确率、精确度以及召回率等各种评价指标均得到了大幅度提升。(3)为了提高检测算法对目标车辆的关注,本文在改进的YOLOv5网络中加入坐标注意力机制。避免了夜间车辆密集的场景下的出现漏检的情况。通过实验分析,该方法极大提升了模型检测密集目标的性能,准确率提升了5.92个百分点,更加适用于夜间环境下的车辆检测任务。

关键词：目标检测深度学习增强算法夜间车辆检测多尺度特征融合

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YOLOv3改进的夜间车辆检测算法

基于YOLOv3改进的夜间车辆检测算法

作者：薛怡大连理工大学

学位级别：硕士

夜间车辆检测是智能交通领域的一项重要任务。夜间光线的不足会导致交通事故发生的概率大幅增加,也使得交通部门难以对实时交通状况进行准确监控,因而夜间车辆检测任务的研究,对于未来交通系统的先进化发展具有重要推动意义。现有的夜... 详细信息

夜间车辆检测是智能交通领域的一项重要任务。夜间光线的不足会导致交通事故发生的概率大幅增加,也使得交通部门难以对实时交通状况进行准确监控,因而夜间车辆检测任务的研究,对于未来交通系统的先进化发展具有重要推动意义。现有的夜间检测存在夜间数据匮乏与算法针对性不足等问题。具体而言,良好的训练数据能够为算法的优越性能提供保障。然而,现有的夜间车辆数据集的数据大多光照良好,且场景单一,几乎不包含极暗情况下的样本,导致预训练后的算法难以适应真实夜间交通情况。针对于夜间交通数据样本的规范与扩充,已经成为智能交通领域亟待解决的问题。此外,现有的目标检测算法主要聚焦于正常光照下的检测性能,依赖良好的照明和晴朗的天气条件,针对夜间检测任务的应用缺乏足够探索。针对上述问题,本文制作了一个包含各种真实场景的大型夜间车辆检测数据集(VID)。该数据集通过高速公路监控视频、行车记录仪、手动拍摄等多种渠道,对不同亮度情况、天气情况与场景情况的交通图像进行了采集。同时,该数据集以车灯实例为正样本进行了标注,并额外标注了干扰检测效果的路灯实例,为夜间车辆检测任务,提供了大量的极低光照数据,丰富了各种天气场景的高难度样本,能够成为交通领域实用有效的公共数据集。此外,针对于夜间车辆检测任务,基于单阶段的目标检测框架YOLOv3,本文提出了具有针对性的YOLOv3-night模型,在提升模型对于车灯类小尺度目标关注程度的同时,对YOLOv3中的网络层数进行了轻量化缩减,取得了优于YOLOv3的检测性能。

关键词：夜间车辆检测数据集智能交通深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉夜间车辆检测的ADB矩阵大灯研究

基于视觉夜间车辆检测的ADB矩阵大灯研究

作者：柳杰武汉理工大学

学位级别：硕士

基于LED矩阵大灯的ADB自适应远光灯系统(Adaptive Driving Beam)已成为夜间汽车安全照明的技术趋势。ADB系统通过摄像头获取前方道路图像,利用夜间车辆检测方法对图像中的车辆进行检测并输出位置信息,根据位置信息关闭对应区域的LED灯... 详细信息

基于LED矩阵大灯的ADB自适应远光灯系统(Adaptive Driving Beam)已成为夜间汽车安全照明的技术趋势。ADB系统通过摄像头获取前方道路图像,利用夜间车辆检测方法对图像中的车辆进行检测并输出位置信息,根据位置信息关闭对应区域的LED灯光。但传统的夜间车辆检测方法基于提取车灯单一特征,车灯容易与环境灯光混淆,从而造成误判,且检测精度和实时性不高。本文提出了一种基于优化Light Net+Res Net50+CBAM+Faster RCNN的夜间车辆检测算法,其中优化Light Net用于增强图像中车辆区域亮度,Res Net50+CBAM用于提取车辆轮廓以及车灯特征,而Faster RCNN用于对车辆特征的识别并输出位置信息。基于检测模型完成对ADB系统控制模块和灯光模块的研究设计,搭建硬件实验平台进行检测模型和ADB系统性能测试。主要研究内容如下:(1)对通用ADB系统的组成部分及功用、开启或激活条件和工作原理进行理论分析,基于上述理论进行ADB系统开启或激活设计提出基于视觉夜间车辆检测的ADB系统架构;为实现ADB系统夜间车辆检测的功能,建立夜间车辆检测模块设计架构;为实现ADB系统自适应调整灯光照射区域功能,建立控制与灯光模块设计架构。(2)基于夜间车辆检测模块设计架构,对夜间车辆检测相关理论进行研究。针对夜间车辆检测中图像照度低、难以获取车辆特征问题,提出优化Light Net图像增强网络,通过算法优化方法,在损失函数均方误差MSE中加入L2范数,并使用自适应Gamma校正,增强车辆区域亮度;针对夜间车辆检测精度较低问题,提出基于Res Net50+CBAM的主干特征提取网络,残差网络Res Net50用于提取车灯及车辆轮廓特征,而CBAM模块可以增强残差结构图中的目标通道和空间特征信息,提高检测精度;提出基于优化Light Net+Res Net50+CBAM+Faster RCNN的夜间车辆检测算法,实现对夜间车辆的检测;针对夜间车辆检测模型实时性较差问题,使用模型轻量化方法减少模型参数和体积,提高检测实时性;通过数据增强方法构建Night vehicle detection训练数据集,对算法模型进行训练得到最终检测模型。(3)基于控制与灯光模块设计架构对控制模块和灯光模块进行研究。为实现ADB系统根据车辆位置关闭对应区域灯光,本文提出了一种LED光学分区方案,将照明区域分为8块,每一块由单个LED灯负责照明;对LED灯的散热性和透镜设计进行理论研究,研究表明风冷散热和玻璃材质的LED透镜适合矩阵式LED大灯,并提出8*8LED灯板和8组COB LED两种光学解决方案作为ADB系统的LED矩阵大灯;综合LED光学分区方案和车辆位置信息,构建分区控制方案,以灯光模块的两种LED矩阵大灯为研究对象,构建基于Arduino单片机的分区控制程序设计和分区控制电路设计;针对灯光偏差问题,提出一种基于Deep SORT目标追踪的灯光校正方法。(4)基于ADB系统设计架构完成对硬件实验平台的搭建。进行夜间车辆检测模型和ADB系统性能测试实验。在Night vehicle detection测试集下进行精度和检测实时性实验,得到夜间车辆检测算法的检测精度m AP值为91.62%,每秒处理帧数FPS值为31,且在各类场景下对车辆能够准确检测,极少出现误判现象。对ADB系统进行测试,在各类行驶场景下,能够根据检测车辆位置关闭LED矩阵大灯对应区域的灯光,满足ADB系统的要求。本文所提出的ADB系统对后续ADB系统研究和生产提供了理论指导与实践应用基础。

关键词： ADB系统夜间车辆检测控制模块灯光模块 LED矩阵大灯

基于高斯混合模型和AdaBoost的夜间车辆检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用 2018年第1期38卷 260-263,283页

作者：陈艳严腾宋俊芳宋焕生长安大学信息工程学院西安710064 长安大学外国语学院西安710064 西藏民族大学信息工程学院陕西咸阳712082

针对夜间车辆检测精度相对不高的问题,提出通过构建车头灯对空间几何关系的高斯混合模型(GMM)和采用逆投影车辆样本的Ada Boost分类器准确检测夜间车辆的方法。首先,在交通场景中根据车头灯对的空间位置关系设置逆投影面,通过图像预处... 详细信息

针对夜间车辆检测精度相对不高的问题,提出通过构建车头灯对空间几何关系的高斯混合模型(GMM)和采用逆投影车辆样本的Ada Boost分类器准确检测夜间车辆的方法。首先,在交通场景中根据车头灯对的空间位置关系设置逆投影面,通过图像预处理粗定位车灯区域;其次,在逆投影图像下利用车头灯对的空间几何关系构建车灯对的高斯混合模型,初步匹配车头灯对;最后,采用逆投影车辆样本,利用Ada Boost分类器进一步准确检测车辆。实验在3个交通场景的检测结果表明,与原始图像下的Ada Boost方法相比,所提方法的检测率提高了1.93%,漏检率降低了17.83%,误检率降低了27.61%;与D-S(Dempster-Shafer)证据理论方法相比,检测率提高了2.03%,漏检率降低了7.58%,误检率降低了47.51%。所提方法提高了相对检测精度,减少了地面反光和影子等的干扰,满足交通场景中夜间车辆检测的可靠性和准确性的要求。

关键词：夜间车辆检测逆投影车灯空间几何关系高斯混合模型 AdaBoost分类器

基于YOLO v4的夜间车辆检测模型轻量化研究

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2022年第3期32卷 84-89页

作者：徐丽刘星星屈立成长安大学信息工程学院陕西西安710000

针对夜间车辆检测模型的实时性要求,以YOLO v4模型为基础,将主干特征提取网络更改为灵活性强且易于实现的MobileNet V2,并将加强特征提取网络里面的普通卷积全部更改为深度可分离卷积,同时模型给每个通道引入缩放因子,并与该通道输入相... 详细信息

针对夜间车辆检测模型的实时性要求,以YOLO v4模型为基础,将主干特征提取网络更改为灵活性强且易于实现的MobileNet V2,并将加强特征提取网络里面的普通卷积全部更改为深度可分离卷积,同时模型给每个通道引入缩放因子,并与该通道输入相乘。然后将缩放因子正则项和权重损失函数联合进行稀疏正则化训练,此时选择较小的缩放因子进行通道剪枝,剪枝后模型的部分通道缺失,检测性能会降低,因此通过模型微调来弥补精度损失,并经过性能评估后再进行修剪迭代。最后得到一个轻量化的车辆检测模型,使其检测速度更快,更能满足夜间车辆检测的实时性需求。经过在UA-DETRAC数据集的实验分析可知:轻量化夜间车辆检测模型的检测精度可达98.29%,同时每秒处理帧数高达42帧图像。

关键词：夜间车辆检测 YOLO v4 MobileNet 深度可分离卷积通道剪枝

基于Hough变换检测前大灯的夜间车辆检测

在线全文

学校读者我要写书评

暂无评论

控制工程 2018年第8期25卷 1360-1363页

作者：许益成谭文安陈丽婷南京航空航天大学计算机科学与技术学院南京210016 台州职业技术学院电信学院浙江台州318000

针对夜间车辆检测与昼间车辆检测的不同,提出一种基于Hough圆检测的夜间车辆检测方法。首先利用灰度分割的方式提取车灯,对提取出的车灯进行连通域分析和边缘提取;然后进行Hough圆检测,得到车灯的半径和位置;最后利用车灯成对出现的特点... 详细信息

针对夜间车辆检测与昼间车辆检测的不同,提出一种基于Hough圆检测的夜间车辆检测方法。首先利用灰度分割的方式提取车灯,对提取出的车灯进行连通域分析和边缘提取;然后进行Hough圆检测,得到车灯的半径和位置;最后利用车灯成对出现的特点,对车灯进行匹配确定车辆位置。实验结果表明,该算法对于夜间车辆检测检测率高,且虚警低。

关键词： Hough变换圆检测夜间车辆检测车灯匹配车灯检测