检索结果-南通市图书馆

CIEFRNet:面向高速公路的抛洒物检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第5期60卷 336-346页

作者：李旭宋焕生史勤张朝阳刘泽东孙士杰长安大学信息工程学院西安710018

高速公路抛洒物危及行车安全,极易诱发交通事故,及时识别并清理高速公路抛洒物十分重要。由于高速公路抛洒物在图像中面积占比小且图像背景复杂,现有检测方法常出现漏检和误检的情况。针对上述问题,提出了一种基于上下文信息增强和特征... 详细信息

高速公路抛洒物危及行车安全,极易诱发交通事故,及时识别并清理高速公路抛洒物十分重要。由于高速公路抛洒物在图像中面积占比小且图像背景复杂,现有检测方法常出现漏检和误检的情况。针对上述问题,提出了一种基于上下文信息增强和特征提纯的抛洒物检测算法,记为CIEFRNet。设计了一种融合上下文Transformer的主干特征提取模块(CSP-COT),充分挖掘局部静态上下文信息和全局动态上下文信息,增强小抛洒物的特征表示;主干网络中使用改进的空间金字塔池化(ISPP),通过级联的空洞卷积实现特征的多尺度下采样,减轻目标细节信息的损失;为提高特征融合能力,设计了特征提纯模块(CNAB),其中嵌入了提出的一种混合注意力机制(ECSA),可抑制图像背景噪声,强化微小抛洒物的特征;引入基于动态非单调聚焦机制的WIoU优化损失函数,提高小抛洒物学习能力,加速网络收敛。实验结果表明,所提方法在自制的高速公路抛洒物数据集上的精确率、召回率、AP0.5和AP0.5:0.95分别达到96.5%、81.6%、88.1%和46.5%,优于当前主流的目标检测方法,其算法复杂度也更低,满足实际场景应用需要。

关键词：抛洒物检测上下文信息空间金字塔池化注意力机制损失函数

在线全文

学校读者我要写书评

暂无评论

基于背景模型的高速公路抛洒物检测算法

基于背景模型的高速公路抛洒物检测算法

作者：叶锐智华南理工大学

学位级别：硕士

近年来,我国高速公路建设蓬勃发展,由抛洒物导致的交通事故数量也在不断增加。目前对高速公路抛洒物的检测主要以人工值守监控视频的方式进行,难以保证及时、准确的检测效果。因此,设计抛洒物检测算法对高速公路视频进行快速、精准的抛... 详细信息

近年来,我国高速公路建设蓬勃发展,由抛洒物导致的交通事故数量也在不断增加。目前对高速公路抛洒物的检测主要以人工值守监控视频的方式进行,难以保证及时、准确的检测效果。因此,设计抛洒物检测算法对高速公路视频进行快速、精准的抛洒物检测具有重大实际意义。现时的抛洒物检测算法在对高速公路视频进行检测时面临着两大难题:一方面抛洒物的种类繁多,不具有图像上的通用特征;另一方面高速公路环境复杂,监控视频中存在多种噪声干扰抛洒物的检测。因此,本文针对上述两个问题进行研究,提出两个基于背景模型的抛洒物检测算法。本文的主要内容如下:(1)为了检测不具有统一外观特征的抛洒物,本文提出了基于背景模型与跟踪的抛洒物检测算法,利用抛洒物的运动特征进行检测。在该算法中,使用混合高斯模型作为背景模型,对高速公路视频的帧图像进行运动目标检测,获取帧图像中的运动目标,包括各种类型的抛洒物。然后,使用基于IOU与匈牙利匹配的跟踪算法对各运动目标进行跟踪,获取它们的运动状态信息,通过抛洒物特有的先运动后静止的特点,将它们与其余运动目标进行区分。除了上述过程外,该算法还利用YOLO网络模型以及语义分割网络模型排除抛洒物检测中的干扰项,提高算法的鲁棒性,最终达到准确、快速的抛洒物检测效果。尽管对抛洒物的检测效果优秀,该算法可能会受到视频画面抖动产生的环境噪声影响,出现少量的误报情况。针对该问题,本文将提出第二个抛洒物检测算法。(2)为了进一步提高抛洒物检测算法对环境噪声的抗干扰能力,本文创新性地将多个背景模型进行配合使用,提出基于多背景模型组合的抛洒物检测算法。该算法能同时获取视频中背景的变化信息和运动目标的运动状态信息,通过前者算法能排除画面抖动造成的噪声影响,而通过后者算法可以将抛洒物与其它静止的目标或噪声进行区分,进一步提高算法的鲁棒性。同时,本文还通过在算法中加入抽帧处理部分,减少算法对输入视频进行抛洒物检测所需的计算量,并针对抽帧对抛洒物检测的影响,对算法的相应部分进行改进。最终在保证优秀的抛洒物检测效果的同时,提高了算法的运行效率。本文使用多个采集到的含有抛洒物事件的高速公路视频对提出的两个抛洒物检测算法进行测试,通过实验结果证明了本文提出的算法具有优秀的抛洒物检测效果以及对环境噪声干扰的强鲁棒性。

关键词：抛洒物检测背景模型运动目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的道路抛洒物检测与处置研究

基于机器视觉的道路抛洒物检测与处置研究

作者：呼鑫宇南京理工大学

学位级别：硕士

近年来,随着公路里程以及车辆人均保有量的不断增长,因道路抛洒物所引发的交通事故也在急剧增加。随着我国路网不断完善,公路也逐步进入了管养阶段。这些由车辆在道路行驶过程中所丢弃的物品不仅对驾驶员和乘客的生命安全构成了很大的威... 详细信息

近年来,随着公路里程以及车辆人均保有量的不断增长,因道路抛洒物所引发的交通事故也在急剧增加。随着我国路网不断完善,公路也逐步进入了管养阶段。这些由车辆在道路行驶过程中所丢弃的物品不仅对驾驶员和乘客的生命安全构成了很大的威胁,也对公路环境及其设施带来了隐患。因此,如何在道路上快速发现抛洒物并对其进行及时处置是一个亟待解决的问题。本文针对车载移动式摄像头和固定式摄像头两个角度分别对道路抛洒物进行检测,并基于抛洒物检测提出一种抛洒物危险程度划分的方法,为抛洒物的处置和管控提供科学决策方案,具体研究内容如下:(1)针对车载移动式摄像头,提出了改进的yolov5抛洒物检测算法,首先,将模型主干网络Darknet53替换为mobilenetv3,实现了网络的轻量化。然后,采用SIo U损失函数,充分考虑预测框角度之间的关系,提升网络的收敛速度。最后,针对车载移动端抛洒物检测过程中小目标检测效果不佳的问题,添加小目标检测层,采用四个尺度进行目标检测。实验表明,本算法在车辆巡检的过程中,针对如货车货物、纸箱、石块等常见抛洒物的检测,有效提高了检测精度与检测速度的同时,提升了小目标抛洒物的检测效果,且优化后的模型更小,更有利于部署于移动端。(2)针对固定式摄像头抛洒物检测,提出了一种基于灰度共生矩阵(GLCM)与角度共生矩阵(ACM)的两阶段抛洒物检测模型。首先基于GLCM与ACM相结合的方式进行前景提取,利用马氏距离作为背景更新的更新标准,实现了非突变环境场景下的背景更新,避免由于长时间静止而融入背景的问题。其次通过GMM算法对视频中的运动目标进行估计,并将其检测蒙版与提取的前景与进行计算,得到包含静态抛洒物的静态目标图像。最后采用本文提出的改进的yolov5算法对静态非抛洒物进行检测,进而将其从静态目标图像中去除,得到只包含道路抛洒物的图像。实验表明,该方法能够有效检测出道路中静止的抛洒物,并且有效避免了运动目标的干扰以及亮度非突变情况下所引起的误报。同时模型在检测效率上也表现突出,能够满足道路抛洒物实时检测的要求。(3)针对道路抛洒物的管控与处置,在两种场景下抛洒物检测的基础上,提出一种基于灰靶决策模型的抛洒物危险程度划分方法,利用熵权法对评价指标进行赋权,实现抛洒物危险程度的量化分析,并将其划分为四个强度等级,为路政管理部门提供相应的管控与处置措施的数据支撑,对于有效解决抛洒物管控与处置问题具有科学意义。

关键词：抛洒物检测抛洒物处置 yolov5 背景建模灰靶决策理论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双目视频图像的高速公路抛洒物检测

基于双目视频图像的高速公路抛洒物检测

作者：彭震东南大学

学位级别：硕士

随着高速公路总里程不断增加,高速公路运载在交通运输中占据越来越重要的地位。由于高速公路其封闭的行车环境,以及高速行驶的特点,导致高速公路的交通事故频发,其中抛洒物事件是引起交通事故的重要原因之一。驾驶者在遇到路面抛洒物时... 详细信息

随着高速公路总里程不断增加,高速公路运载在交通运输中占据越来越重要的地位。由于高速公路其封闭的行车环境,以及高速行驶的特点,导致高速公路的交通事故频发,其中抛洒物事件是引起交通事故的重要原因之一。驾驶者在遇到路面抛洒物时容易反应不及时或处理不得当从而导致交通事故,对社会、人员和资金都造成了重大的损失。抛洒物被发现与清理的速度越快,其造成交通事故的可能性就越低。因此研究一种有效的高速公路抛洒物的快速检测方法具有重大意义。抛洒物检测的方法包括基于前景提取方法的抛洒物检测算法、基于深度学习的抛洒物检测算法。前景提取方法检测速度快,但是前景模型的建立较为复杂,且在高速公路环境下稳定性较差,误报较多。深度学习的局限性较大,在某一个场景中,目标数据集充分的情况下,可以将目标物准确的提取。但是在高速公路环境下,抛洒物的类型千奇百怪,且环境变化都对深度学习的结果造成影响,可移植性低。本论文基于双目视频图像采用摄影测量技术如图像匹配、双目视觉与立体量测和DEM构建等关键技术研究了一种稳定、可移植的高速公路抛洒物检测方法。具体的研究内容及成果如下:(1)首先对基于双目视频图像的高速公路抛洒物检测系统的总体结构进行了设计。提出了系统中摄像头、服务器和传输系统的参数及要求。讨论了系统中图像预处理模块、图像分析模块、路面DEM模块以及报警模块的设计与实现。并进行了图像畸变校正、图像灰度化等预处理。为了提高后期的图像匹配效率,对研究区域图像进行了掩膜处理,排除了非道路区域的干扰。(2)针对各类高速公路抛洒物的图像特征,论文基于Canny、FAST、SIFT及SURF算法进行图像特征点的提取,提出了由双阈值系数自动调节高、低阈值的自适应阈值Canny算法,双阈值随全图最大梯度的变化而变化,提高了Canny算法的简便性。研究了双阈值系数的取值,当低阈值系数为0.1高阈值系数为0.2时特征点提取效果最佳。提出FAST-2算法缩小的判别点半径,使得判别点减少,加快了运算效率,同时提高了提取角点的敏锐度。此外进行了基于SIFT与SURF算法的特征点提取。对各种特征点提取结果进行了比较分析,结果表明基于自适应阈值Canny算法的特征点提取效果最佳。(3)在核线约束的基础上,先进行增大右核线提取范围的特征点提取,再进行同名点近似位置估计,最后在估计范围内进行相关系数法匹配。不仅减少了同名点的搜索范围,还减少了相似点的误匹配,大大提高了匹配的准确率,使得匹配更加充分。对比分析各种算法特征点的匹配效果,结果表明自适应阈值Canny算法效果最佳。(4)基于路面车道线和同名核线建立了不规则四边形网。讨论了最近邻、反距离权重、双线性插值算法,其中最近邻插值法不能满足实验的精度需求。对反距离权重插值进行改进使其适应不规则四边形网的模型。此外将本来只适合Grid格网的双线性插值改进为不规则四边形网的双线性插值。(5)将匹配点计算得到的三维坐标与路面的DEM高程对比,提取出高于路面一定阈值以上的点,经过散乱点筛除后的高程背离点视为抛洒物。对高速公路抛洒物的检测结果进行分析讨论,结果表明本方法完整的提取了路面上所有的抛洒物。依据匹配点计算三维坐标与路面DEM高程的插值,统计分析本系统可提取高于地面约0.05m的抛洒物。本方法在其他高速路段体现出优异的可移植性和稳定性。

关键词：抛洒物检测图像匹配摄影测量数字高程模型

高速公路场景下基于路侧相机的抛洒物检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高速公路场景下基于路侧相机的抛洒物检测算法研究

作者：杨陆星湖南大学

学位级别：硕士

高速公路在信息技术和物流交通发展迅速的时代起着越来越不可替代的关键作用,因其半结构化的特点,其车流量、运输量远远高于普通城市道路,对我国国民经济发展有着重要意义。高速公路上的抛洒物是导致高速交通事故的重点危险源之一。现... 详细信息

高速公路在信息技术和物流交通发展迅速的时代起着越来越不可替代的关键作用,因其半结构化的特点,其车流量、运输量远远高于普通城市道路,对我国国民经济发展有着重要意义。高速公路上的抛洒物是导致高速交通事故的重点危险源之一。现有的智能路侧设施对抛洒物的检测大多为固定背景的背景建模算法,也有利用深度学习算法进行抛洒物的研究检测,但抛洒物种类具有不固定性,且掉落后一段时间内会长期停留在路面,深度学习算法受限于数据量与抛洒物目标种类的多样性,而单一的背景建模算法由于具备学习的能力,逐渐会将目标抛洒物视为背景的一部分,从而导致目标抛洒物丢失的现象。本文提出一种高速公路场景下基于路侧相机的抛洒物检测算法,利用弱化更新的WU-PAWCS背景建模算法结合对目标抛洒物的HOG-LBP融合特征提取,有效地解决了抛洒物目标长时间静止而融入背景所导致的目标丢失现象的发生,满足高速公路场景下抛洒物检测的实际需求。本文的研究内容与创新有以下几个方面:(1)提出一种高速公路场景下基于路侧相机的抛洒物检测算法。借助高速公路路侧相机的优势,利用改进的WU-PAWCS背景建模算法对拍摄场景下的运动目标进行检测,弱化背景模型对前景目标边缘区域的更新,克服了前景目标被背景模型吸收导致失真的问题。(2)在背景建模算法检测运动目标的基础之上,利用HOG与LBP的融合特征与余弦相似度计算的方式对抛洒物目标进行锁定,既保持了前阶段背景模型学习的能力,又能判定出感兴趣的静止抛洒物位置。(3)设计高速公路场景下的抛洒物检测系统。结合高速公路的实际情况与车联网自动驾驶领域发展优势,设计了可靠且高效的抛洒物自动检测系统,介绍了视频采集与分析模块、通信模块与用户交互三个模块;举出了简易的软件界;利用抛洒物距离相机的不同距离进行实验测试,与几种常见算法进行对比分析。

关键词：抛洒物检测背景建模算法 PAWCS HOG LBP

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频流的高速公路抛洒物检测

基于视频流的高速公路抛洒物检测

作者：李清瑶长春理工大学

学位级别：硕士

高速公路具有车道多、路面宽,通行能力大的特点,其承担的运输量远高于普通公路,对国民经济发展具有重要意义。高速公路上一旦发生交通事故,会造成重大人员伤亡和财产损失。如果高速公路上的车辆在行驶过程中掉落物体,后方车辆容易因此... 详细信息

高速公路具有车道多、路面宽,通行能力大的特点,其承担的运输量远高于普通公路,对国民经济发展具有重要意义。高速公路上一旦发生交通事故,会造成重大人员伤亡和财产损失。如果高速公路上的车辆在行驶过程中掉落物体,后方车辆容易因此发生交通事故,产生严重后果。现有的高速公路安全检测系统是在公路沿线重点部位安装摄像机采集路面视频图像,监控覆盖不全面。针对这个问题,本课题提出了基于行驶车辆的高速公路抛洒物检测技术。高速公路抛洒物检测是利用道路上的行驶车辆组成移动监测网络,记录前方发生的各种交通事件并实时检测,一旦出现抛洒物等异常事件,则向控制中心发出报警信息,控制中心分析确认后通知相关路段行驶车辆,并及时处理异常事件。高速公路抛洒物检测系统包括视频采集模块、视频检测处理模块、图像传输模块以及控制中心。本文研究的重点是抛洒物检测系统中的运动目标检测及跟踪算法。采用相位相关方法估计和补偿伪运动;利用当前帧与历史帧的共性信息建立运动背景模型;利用当前帧与历史帧的差异性有效地从前景中提取实际运动目标;采用两步形态学操作细化目标区域,获得运动目标的准确轮廓和位置;使用卡尔曼滤波器跟踪运动目标,利用运动目标质心、尺寸和灰度强度分布等信息,有效解决跟踪过程中的数据关联问题。基于HOG特征使用SVM分类器对检测到的运动目标进行分类识别,对非车辆目标(抛洒物)进行检测及跟踪。实验结果表明,利用本文提出的方法可以准确检测和跟踪运动目标,并能有效地识别运动目标属性,实现抛洒物检测。

关键词：抛洒物检测高速公路相位相关卡尔曼滤波支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于帧间差分自适应法的车辆抛洒物检测

长春理工大学学报（自然科学版） 2018年第4期41卷 108-113页

作者：李清瑶邹皓赵群王建颖刘智超杨进华长春理工大学光电工程学院长春130022

高速公路抛洒物事件容易引发交通事故,造成不良影响。为了实现对高速公路抛洒物的检测,提出了帧间差分自适应法。该方法是基于连续帧间差分法和均值法背景减除的运动目标检测算法。首先,对图像进行包括灰度转换、图像降噪以及图像增强... 详细信息

高速公路抛洒物事件容易引发交通事故,造成不良影响。为了实现对高速公路抛洒物的检测,提出了帧间差分自适应法。该方法是基于连续帧间差分法和均值法背景减除的运动目标检测算法。首先,对图像进行包括灰度转换、图像降噪以及图像增强等预处理。然后,对连续的序列图像进行累计差分,对得到的差值图像进行求和运算并求平均,并对得到的图像通过选择合适的阈值T进行二值化;使用均值法进行背景建模,将当前帧与所得的背景模型进行差分运算并进行二值化处理。最后将用连续帧间差分法得到的二值图像与基于均值法的背景减除得到的二值图像进行逻辑"与"运算,并对逻辑运算后的结果进行数学形态学膨胀处理得到最终的运动目标检测结果。实验结果表明,该方法可在一定程度上克服传统的帧间差分法和均值背景减除法的缺点,更加完整准确地提取出前景运动目标。

关键词：连续帧间差分法背景减除法帧间差分自适应法抛洒物检测

在线全文

学校读者我要写书评

暂无评论

面向路面抛洒物检测的多任务学习算法研究

许昌学院学报 2024年第5期43卷 111-117页

作者：井晶赵广明赵作鹏江苏联合职业技术学院徐州财经分院江苏徐州221008 中国矿业大学计算机科学与技术学院江苏徐州221116

针对现有检测算法在定点抛洒物检测方面的不足,提出一种基于多任务学习和图像处理的路面抛洒物检测算法.首先,为YOLOv6s设计一种融合多层语义特征的语义分割头,并为目标检测分支和语义分割分支设计损失函数,进行多任务学习;其次,结合语... 详细信息

针对现有检测算法在定点抛洒物检测方面的不足,提出一种基于多任务学习和图像处理的路面抛洒物检测算法.首先,为YOLOv6s设计一种融合多层语义特征的语义分割头,并为目标检测分支和语义分割分支设计损失函数,进行多任务学习;其次,结合语义分割分支分割连续性的优势以及图像处理的方法,提取完整路面区域;最后,引入结合IoU和质心位置的抛洒物区域识别与排除方法,实现非抛洒物的排除和最终抛洒物区域提取.实验结果表明,在BDD100k数据集上,改进算法在车辆目标检测和可行驶区域分割上分别达到77.8%的平均精度值(mAP)和91.5%的平均交并比(mIoU).

关键词：多任务学习抛洒物检测 YOLOv6s 图像处理语义分割

基于双目立体视觉的高速路面抛洒物智能检测及巡检定位研究

在线全文

学校读者我要写书评

暂无评论

基于双目立体视觉的高速路面抛洒物智能检测及巡检定位研究

作者：李振宇福建农林大学

学位级别：硕士

路面抛洒物是高速公路巡检养护部门在日常巡检工作中主要巡检的内容之一。高速行车环境相对封闭,车速快、流量大,抛洒物的发生位置具有一定的随机性,容易对道路交通安全构成威胁,通常超车道内的抛洒物所带来的安全威胁要高于其他车道位... 详细信息

路面抛洒物是高速公路巡检养护部门在日常巡检工作中主要巡检的内容之一。高速行车环境相对封闭,车速快、流量大,抛洒物的发生位置具有一定的随机性,容易对道路交通安全构成威胁,通常超车道内的抛洒物所带来的安全威胁要高于其他车道位置,因此针对不同车道下的各类抛洒物应当具有不同的排除响应程度。巡检作业中发现抛洒物的存在状态并及时采取排除措施,对保证行车安全、维护高速公路安全交通环境具有重要意义。当前抛洒物的巡检工作普遍采用了人工巡检的作业方式,然而,随着高速总里程的增加,基于人工的方法将逐渐无法适应未来巡检作业的需求。现有的研究正尝试使用自动化的检测方法实现路面抛洒物的快速检测,但还不能真正和实际巡检需求相结合,无法对当前的巡检工作提供实质性的参考指导。结合抛洒物检测需求,本文提出了一套基于双目立体视觉、融合了YOLOV5网络模型的路面抛洒物智能检测及里程定位方法,该方法能够实现高速公路环境下抛洒物的自动识别、对抛洒物进行水平路面的二维网格化定位、以及抛洒物面积大小的自动测量。实验数据来源于高速公路环境下采集的多源异构数据,该数据包含前景图像、景深图像、全球定位系统(GPS)和惯性测量单元(IMU)等传感器信息。研究内容包括:1)基于采集的道路前景图像构建抛洒物训练集,通过迁移学习的方法初始化网络结构的权重参数,改进神经网络模型训练策略,训练得到适用于高速场景下的抛洒物检测器模型;2)提出一种融合双目立体视觉和GPS的里程定位方法,用于沿路方向抛洒物的里程定位;3)提出一种车道线的聚类及车道划定方法,实现对抛洒物所处车道位置的判定,最终实现抛洒物在水平路面二维网格化定位;4)结合高速巡检作业的应用场景开发一套可用于高速路面抛洒物智能化巡检系统,用于抛洒物的自动检测。通过在福州福清市G15沈海高速2098公里至2079公里路段上的巡检测试,获得所有尺寸下的抛洒物检测精度及召回率分别为0.82、0.92,里程定位误差在6m范围内,车道定位准确率约为0.934,对实际场景下的抛洒物检测及巡检定位具有一定的应用价值。

关键词：抛洒物检测里程定位车道定位深度学习双目视觉