检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度模型的视频车辆检测跟踪方法研究

基于深度模型的视频车辆检测跟踪方法研究

作者：孙艳青中北大学

学位级别：硕士

随着无人驾驶技术、人机交互技术在视频监控和交通领域的持续发展,基于目标视觉的视频车辆检测跟踪研究逐渐在智能视频监控领域占据重要地位,并且成为了视频车辆检测和采集车辆间信息的关键方式之一。给定一个目标车辆的初始状态,目标... 详细信息

随着无人驾驶技术、人机交互技术在视频监控和交通领域的持续发展,基于目标视觉的视频车辆检测跟踪研究逐渐在智能视频监控领域占据重要地位,并且成为了视频车辆检测和采集车辆间信息的关键方式之一。给定一个目标车辆的初始状态,目标车辆检测跟踪算法的任务是在随后的视频中估计目标车辆的状态。然而在视频车辆的检测跟踪实际应用过程中,由于存在目标运动车辆特征的可变性、尺度变化、光照强度不一、遮挡因素、复杂背景等影响车辆跟踪效率的多种干扰因素。因此提出一种优秀的准确性强、鲁棒性高的视频车辆检测跟踪算法是不可或缺的。传统视频车辆检测跟踪算法缺点在于运用手工提取的底层视觉特征来形成车辆外观模型,其造成预测模型信息的能力不足。针对上述传统算法缺陷,受到深度学习基本模型在图像分类和语音识别等任务中取得巨大成功的启发,文章提出一种将深度网络模型运用到视频车辆检测跟踪算法中的思想,通过学习、提取高级深层特征构造一个实时的外观模型。本文具体的研究内容如下:第一:结合视频车辆检测跟踪算法的现实意义及研究背景,本文详细阐述了车辆跟踪算法的国内外研究现状,提出一种视频车辆检测跟踪技术的新思想。第二:针对车辆检测跟踪过程中人工提取特征导致的效率低下问题,以及由于姿态变化、尺度变化、车辆遮挡和复杂环境等不利因素对研究课题影响,本文引入深度学习思想,介绍深度学习理论,主要论述四种常见的深度模型,简要介绍其基本原理及具体的现实应用,为以下的改进方法提出理论基础。第三:为了解决视频车辆阴影点导致的车辆合并及形状失真的问题,文章提出一种结合Fast RCNN深度模型的阴影检测算法。该方法首先在视频车辆图像采用Selective search法提取多个车辆候选目标矩形区域,采用Hessenberg分解法将运动车辆和其阴影区域分开。然后利用深度网络提取阴影特征,用PCA分析法检测阴影,训练优化此网络,最后识别移动阴影中包含的车辆区域,实现快速去除阴影的效果。第四:由于目标视觉跟踪过程存在的目标漂移和错误匹配现象,提出一种基于堆叠去噪自编码器神经网络和在线Deep Boost学习(Online Deep Boost,ODB)策略的多目标视觉跟踪算法。该方法首先在SDAE网络上通过ODB方法学习目标的局部-全局特征。然后根据特征权重结合粒子滤波器和soft-max分类器跟踪目标并对其分类,得到目标最相似的状态值。最后引入时间因素计算目标外观的动态持续时间,然后更新外观模型。

关键词： Fast RCNN模型 SDAE网络车辆检测跟踪 Hessenberg分解

基于旋翼式无人机航拍的车辆检测跟踪系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于旋翼式无人机航拍的车辆检测跟踪系统研究

作者：沈思源中国矿业大学

学位级别：硕士

近年来车辆检测跟踪技术在国内外发展迅速,在固定监控设备中已经有很完善的应用及推广,但仍存在监测范围有限,灵活性差和成本高昂等缺点。通过无人机搭载监控设备实现对视频图像的采集,再结合图像处理对地面车辆进行检测和跟踪的技术应... 详细信息

近年来车辆检测跟踪技术在国内外发展迅速,在固定监控设备中已经有很完善的应用及推广,但仍存在监测范围有限,灵活性差和成本高昂等缺点。通过无人机搭载监控设备实现对视频图像的采集,再结合图像处理对地面车辆进行检测和跟踪的技术应运而生。但是目前无人机在交通监控和数据采集方面的应用还不太成熟,从航拍视频中检测跟踪车辆和提取其它交通信息的可靠方法还比较匮乏。为此本文以道路上行驶的车辆为对象、以交通监控和数据采集为应用背景展开研究。本文的主要研究内容如下:(1)提出一种基于机器学习的航拍车辆检测算法,针对无人机航拍视角与固定监控设备不同的问题,提出了四种符合航拍视角的车辆矩形特征补充到原有的Haar-Like矩形特征库,然后结合HOG特征以弥补Haar-Like特征在表征物体形状方面的不足,之后使用大量的正负样本对每一种特征训练形成弱分类器,最终级联形成Adaboost强分类器,实现对车辆的分类和检测。对比实验结果可知,改进后的算法能够有效描述车辆特征,提高车辆检测的准确率。(2)无人机在对地面目标进行跟踪时,针对传统Camshift算法存在易受相似颜色背景、遮挡等干扰的问题,提出一种改进Camshift的目标跟踪方法。通过提取跟踪目标的Hue、Saturation和LBP特征分量建立基于三维联合直方图的跟踪模板,并采用自适应加权策略来调整三种特征分量的权重值,提高算法的跟踪准确度;在跟踪目标受到遮挡干扰时,引入Kalman滤波机制,增强算法的鲁棒性。实验结果表明,改进后的算法能够满足无人机对目标跟踪准确性与实时性的要求。(3)以前面提出的检测跟踪算法为理论依据,结合无人机硬件设备与软件平台开发设计了基于无人机航拍的车辆检测跟踪系统,实现了显示道路类型、限行速度、车辆行车方向、车道占有率、平均速度和车辆计数等功能。通过统计违章违法车辆,协助交管部门维护交通秩序、保障交通安全。

关键词：车辆检测跟踪无人机航拍 Haar-Like特征 Camshift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

基于Zynq的运动车辆检测与跟踪系统设计

基于Zynq的运动车辆检测与跟踪系统设计

作者：贺能大连海事大学

学位级别：硕士

智能交通系统(Intelligent Transportation System,ITS)是目前交通运输方向正在研究和普遍关注的课题,其中运动车辆检测与跟踪系统是ITS的重要研究内容。因此,研究体积小、功耗低、速度快的运动车辆检测与跟踪系统具有重要的意义。本系... 详细信息

智能交通系统(Intelligent Transportation System,ITS)是目前交通运输方向正在研究和普遍关注的课题,其中运动车辆检测与跟踪系统是ITS的重要研究内容。因此,研究体积小、功耗低、速度快的运动车辆检测与跟踪系统具有重要的意义。本系统采用的是Xilinx公司Zynq-7000系列全面可编程片上系统平台,片内集成了双核ARM Cortex-A9处理器和Xilinx 7系列FPGA,采用软硬件协同设计方法,将图像采集、车辆检测与跟踪、显示集合到一个嵌入式系统中。车辆检测方面,利用Xilinx高级开发工具Vivado HLS(High-Level Synthesis)完成图像预处理算法,并利用此工具把改进的三帧差分法的运动目标检测算法成功移植到FPGA中。车辆跟踪算法方面,对运动车辆求取最小外接矩、质心、速度作为目标特征,建立Kalman滤波器运动模型,预测被跟踪车辆在下一帧中可能出现的位置,并确定搜索范围,再结合基于欧式距离的匹配算法,完成运动车辆的跟踪。本设计完成的主要工作包括:(1)用高层次综合工具Vivado HLS设计了改进的三帧差分法的运动目标检测算法的硬件加速IP核,包括直方图均衡化、高斯滤波、噪声去除、Sobel边缘检测、形态学处理以及帧差图像预处理算法。(2)利用Vivado工具,以图形界面化的方式,进行硬件工程设计,主要包括Zynq处理器、AXI互联、VDMA、HDMI以及硬件加速IP核等模块。(3)在ZedBoard平台上搭建嵌入式Linux系统,主要包括Linux系统移植、交叉编译环境的搭建以及FFmpeg+OpenCV库和Qt库的移植等。(4)在ARM部分实现系统软件设计,主要包括VDMA IP核和硬件加速IP核驱动程序设计,Kalman滤波器跟踪算法的实现,以及建立Qt软件执行操作界面的设计等。本系统设计采用软硬件协同设计的方法完成了基于Zynq的运动车辆检测与跟踪,具有实时性好、跟踪效果好和界面友好等特点,达到了很好的预期效果。

关键词： Zynq 软硬件协同设计车辆检测跟踪 Kalman滤波器高层次综合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频图像的车辆检测跟踪及行为识别研究

基于视频图像的车辆检测跟踪及行为识别研究

作者：郭玉彬北京交通大学

学位级别：硕士

我国高速公路路网规模和布局不断完善,极大地方便了人们的出行,但由于高速公路流量大、车速快、大车比例高、存在异常驾驶行为等原因,也使得高速公路交通事故的严重程度远远高于普通道路。因此,对车辆进行检测跟踪,及时监测车辆状态,对... 详细信息

我国高速公路路网规模和布局不断完善,极大地方便了人们的出行,但由于高速公路流量大、车速快、大车比例高、存在异常驾驶行为等原因,也使得高速公路交通事故的严重程度远远高于普通道路。因此,对车辆进行检测跟踪,及时监测车辆状态,对于保证高速公路运行安全和运营效率具有重要意义。高速公路主要路段全程监控设备的布设及计算机视觉技术日新月异的发展,为处理监控视频图像提供了数据基础和技术支撑。本文以高速公路监控视频图像为对象,展开基于深度学习算法的车辆检测跟踪及行为识别研究,主要研究内容如下:(1)构建了基于高速公路监控视频的车辆图像样本库。首先,依据车辆外观特征将车辆分为3类:Car(小客车、商务车、小面包车等)、Bus(大巴车、中巴车等)、Truck(货车、卡车、拖车等),提出半自动标注方法,完成58358个车辆目标的矩形框标注,并按照各类车辆数量合理划分数据集,保证训练集、验证集和测试集各类别数量分布的一致性,完成车辆检测数据集制作;然后,选择Ve Ri776车辆重识别数据集,用于提升跟踪算法对于车辆外观特征的辨别能力;接着,制作总计13080帧的高速公路多个角度跟踪评估数据集,用于评估实际的跟踪效果。(2)构建了基于YOLOv5网络的车辆检测优化模型。首先,针对网络结构优化,设计了一种更高效的CG3瓶颈结构,同时增加了检测头部的P2尺度层;然后,引入ECA注意力机制,提高检测模型对于重点特征的提取能力;接着,针对数据集中车辆类别数量不均衡的问题,提出一种Class-Weighted Mosaic数据增强方法。经过上述优化手段,车辆检测模型在测试集m AP50指标和m AP50:95指标分别由0.928和0.7提升到了0.963和0.76。(3)建立了基于Deep Sort算法的多车跟踪优化模型。首先,针对Deep Sort中外观特征提取网络对车辆特征辨别能力差的问题,提出使用Resnet18替换原有网络,并引入三元组损失约束网络输出特征,将外观特征提取网络在车辆重识别Ve Ri776数据集的m AP和m INP分别提高到0.729、0.327;然后,针对高速公路车辆跟踪场景,调整匹配算法参数,提升多车跟踪模型的运行速度和跟踪稳定性。(4)设计开发了基于高速公路监控视频的车辆轨迹跟踪及车辆行为识别系统。首先,提出道路参数获取及车辆停止、逆行、违章变道行为识别的方法;然后设计开发系统界面及后台处理模块,该系统可实现以平均25fps的速度实时自动检测跟踪车辆,同时统计当前画面的车辆数和平均速度,检测车辆行为并记录事件发生帧数和车辆ID;最后,利用新元高速监控视频进行测试,验证系统的跟踪效果和实时性。

关键词：高速公路图像处理车辆检测跟踪 YOLOv5 Deep Sort

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于结构化特征的车辆检测与跟踪算法研究

基于结构化特征的车辆检测与跟踪算法研究

作者：姚尧电子科技大学

学位级别：硕士

随着国内生产总值(GDP)的不断增长,人民生活水平不断提高,私家车逐渐进入千家万户。截止2013年底,我国机动车的保有量为2.5亿辆,其中私家车超过8500万辆,并继续以年均1400多万辆增长。随着机动车的逐年剧增,维护道路交通秩序,保障道路... 详细信息

随着国内生产总值(GDP)的不断增长,人民生活水平不断提高,私家车逐渐进入千家万户。截止2013年底,我国机动车的保有量为2.5亿辆,其中私家车超过8500万辆,并继续以年均1400多万辆增长。随着机动车的逐年剧增,维护道路交通秩序,保障道路交通安全至关重要。因此,对道路车辆信息及运动轨迹进行实时检测,提前对危险进行预警判断,将有效减少车祸的发生,对维护道路交通安全具有深远的意义和影响。本文围绕车辆结构化特征检测和跟踪问题,主要研究了基于数字图像处理技术的多尺度车辆精确识别和稳健跟踪的方法,主要内容包括:1、针对图像预处理中,难以突出形态、颜色、大小均复杂的感兴趣区域(ROI,Region Of Interesting)的问题,通过颜色空间变化实现多通道颜色增强的方法,降低了复杂场景中,图像预处理的难度。2、针对复杂场景下,变尺度车辆结构化信息提取的问题,提出了利用最大稳定极值区域(MSER,Maximally Stable Extremal Regions)进行提取的方法,实现对图像子节点的快速生成及检测。3、针对解决高效率识别正确车辆信息的问题,研究了运用支持向量机(SVM,Support Vector Machine)对检测到的车辆关键信息进行分类训练,实现自动识别、组合分类的方法,比现有的基于统计理论和阈值限定的方法更加科学、高效。4、针对车辆跟踪难以实现平滑处理的方法,提出了一种基于Kalman滤波器和车辆检测结果的先检测后跟踪(DBT,Detection Before Tracking)的车辆跟踪算法,实现连续多帧图像下的车辆信息的实时快速跟踪。通过基于交通真实场景监控视频的仿真和实测,证明上述方法对多尺度车辆具有高鲁棒性,高检测率,高跟踪率,能够稳健可靠的完成道路车辆检测分割和连续跟踪。

关键词：车辆结构化特征多通道颜色增强最大稳定极值区域支持向量机车辆检测跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于光流法的车辆检测与跟踪

基于光流法的车辆检测与跟踪

作者：王效文江苏科技大学

学位级别：硕士

近年来,在智能交通领域中,基于视频的车辆检测跟踪已成为一个重要的研究方向。光流法在视频运动分析等领域具有极其重要的基础地位,能得到目标详细的二维运动信息,但光流算法计算的不适定及不能实时运算等问题限制了其广泛应用,因此研... 详细信息

近年来,在智能交通领域中,基于视频的车辆检测跟踪已成为一个重要的研究方向。光流法在视频运动分析等领域具有极其重要的基础地位,能得到目标详细的二维运动信息,但光流算法计算的不适定及不能实时运算等问题限制了其广泛应用,因此研究出一种能实时执行且精度较高的光流算法对推广此算法在实时领域的应用显得尤为重要。若能将实时光流技术应用于智能交通领域,对智能交通的发展也大有裨益。本文详细阐述、分析了微分光流法的基本原理,并据此提出了多帧光流模型和其线性化求解方法,简化了光流的求解过程并提高了其估算精度;选择GPU平台做算法移植,解决光流的实时计算问题;根据所得实时稠密光流给出了车辆检测跟踪方案。首先,时域相关性在视频分析中具有重要作用,但在估算光流时这一特性却很少被应用。针对这一情况,提出在H-S光流模型基础上引入前向帧并加入时域相关性约束,从而构造出多帧光流模型。同时,针对能量泛函线性化求解过程异常复杂的情况,提出运用迭代重加权最小二乘法(IRLS)简化这一求解过程。其次,根据光流算法在像素间耦合性低这一特点,选择对其进行GPU平台移植。在计算统一设备(CUDA)架构下通过多线程并行执行方式同时对多个像素的光流值进行估算。在估算结果精度相当的情况下,在GPU上执行时间远小于CPU上执行时间。对于分辨率为640*480的视频图像可以达到实时性运算,能满足一般的应用要求。最后,给出一种改进的车辆检测跟踪方案。一方面,方案使用GPU平台计算所得实时稠密光流,相较于特征光流法和区域稠密光流法,可获得更加准确的全局运动信息,相较于帧差法等运动检测算法,也能获得更好的运动目标提取效果;另一方面,方案根据光流场所得到的速度矢量对车辆帧间的位置进行预测和匹配,能够对车辆在跟踪过程中常见的状态变化进行判断和处理,在实验中取得了预期的效果。

关键词：光流时域相关性图像处理单元实时性车辆检测跟踪

基于视频图像和深度学习的车辆轨迹检测与跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

公路交通科技 2022年第12期39卷 149-154页

作者：李志坚郭玉彬赵建东中交建冀交高速公路投资发展有限公司河北石家庄050000 北京交通大学交通运输学院北京100044

为保障高速公路车辆安全通行,及时有效地获取车辆运行信息,结合高速公路监控视频,利用优化后的YOLOv5目标检测算法和Deep Sort多目标追踪算法进行车辆轨迹检测与跟踪,实时监测车辆运行状态,识别异常驾驶行为。首先,基于高速公路监控视频... 详细信息

为保障高速公路车辆安全通行,及时有效地获取车辆运行信息,结合高速公路监控视频,利用优化后的YOLOv5目标检测算法和Deep Sort多目标追踪算法进行车辆轨迹检测与跟踪,实时监测车辆运行状态,识别异常驾驶行为。首先,基于高速公路监控视频,构建车辆检测数据库,由于自建数据库中各类别车型数量相差较大,影响检测精度,因此在模型的输入段提出Class-Weighted Mosaic数据增强方法,提高模型对于各种车型的检测能力。其次,针对原始YOLOv5模型中,网络结构设计冗余的问题,设计一种高效的CG3瓶颈层结构替换原有的CSP结构,在不影响精度的情况下,提高网络运行效率。为提高特征提取能力同时具有较高的检测效率,轻量的ECA(Efficient Channel Attention)注意力模块添加到模型中,让模型关注更重要的区域;然后,针对Deep Sort追踪算法在车辆遮挡情况下精度较差的情况,采用Resnet18作为其车辆外观特征提取网络,损失函数替换为三元损失函数,提高追踪算法精度。最后,利用高速公路监控视频对所提出的算法进行评估。经过试验得出:优化后的算法得出的车辆检测精度由92.8%提高到了96.3%,精度提高了3.5%,能够有效缓解类别不均衡给网络训练带来的不利影响,并且检测速度达到25~35 fps,达到车辆实时监测的要求,在车辆追踪过程中,能够有效的克服车辆遮挡问题。

关键词：智能交通车辆检测跟踪图像处理 YOLOv5优化 Deep Sort优化

改进ViBe算法和SSD在运动车辆目标检测与跟踪中的应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

改进ViBe算法和SSD在运动车辆目标检测与跟踪中的应用

作者：乔继梅上海师范大学

学位级别：硕士

随着城市社会的发展,机动车数量日趋增加,城市道路堵塞情况日益严重,智能交通系统的应用日益受到大家的广泛关注,车辆的检测与跟踪是其重要的组成部分。在实际应用中,车辆检测算法需要实时检测图像或者视频序列帧中出现的车辆,获得目标... 详细信息

随着城市社会的发展,机动车数量日趋增加,城市道路堵塞情况日益严重,智能交通系统的应用日益受到大家的广泛关注,车辆的检测与跟踪是其重要的组成部分。在实际应用中,车辆检测算法需要实时检测图像或者视频序列帧中出现的车辆,获得目标参数,并将检测的车辆信息传递给车辆跟踪算法,由它对车辆进行跟踪,从而确定车辆的位置,有效地对车辆进行实时跟踪。本论文对传统的车辆检测算法进行分析,针对其不足之处,利用深度学习技术设计了一种基于多尺度特征图预测SSD的车辆检测器;将检测的结果与融合Kalman滤波算法的改进Camshift跟踪算法相结合,实现车辆的自动跟踪。论文的具体工作可总结如下:1.对帧间差分法、改进的高斯混合模型（MOG2）和ViBe算法之间的优缺点进行分析和讨论,对比实验表明,选择ViBe算法作为运动车辆检测算法效果最优。并针对传统的ViBe算法中固定阈值和“鬼影”干扰问题,采用OTSU类间方差法克服来固定值问题,对于“鬼影”干扰则加入帧间差分法进行改进;对比实验表明,基于帧间差分法的改进ViBe算法不仅克服了固定值问题而且能够快速地消除“鬼影”对检测结果的影响,具有良好的检测效果。2.针对传统车辆检测算法中存在的问题,本文设计了一种基于多尺度特征图预测SSD的车辆检测器,其基本思想是:使用前向传播CNN网络,产生一系列固定大小的边界框集合以及框中的目标类别得分,然后通过非最大值抑制算法进行最终检测。实验结果表明,基于SSD的车辆检测器无论在识别性能还是在时间效率方面都有着较好的检测效果。3.利用多尺度特征图预测SSD车辆检测器与Camshift跟踪和Kalman滤波算法相结合,实现了车辆的检测与跟踪。主要包括运动检测模块、车辆检测模块和车辆跟踪模块。车辆检测与跟踪首先使用改进的ViBe算法对视频进行前后背景分离,把视频中的运动区域提取出来,然后采用基于SSD车辆检测器对提取的运动区域进行车辆检测,最后使用Camshift跟踪和Kalman滤波算法相结合实现对车辆的实时跟踪。

关键词：深度学习 ViBe SSD 车辆检测跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉的前方车辆检测技术研究

基于视觉的前方车辆检测技术研究

作者：张娇娇贵州大学

学位级别：硕士

智能交通系统的研究对降低交通事故显得非常迫切,智能车辆作为其中最为核心的部分,对车辆检测与跟踪技术的研究也越来越受到研发人员的关注。本文针对车辆行驶过程中交通事故频发的问题,在车辆检测与跟踪方面进行了研究;通过采用双目视... 详细信息

智能交通系统的研究对降低交通事故显得非常迫切,智能车辆作为其中最为核心的部分,对车辆检测与跟踪技术的研究也越来越受到研发人员的关注。本文针对车辆行驶过程中交通事故频发的问题,在车辆检测与跟踪方面进行了研究;通过采用双目视觉传感器,分析图像预处理、车辆检测与跟踪、相机标定与立体视觉系统,提出了一种结合特征与Kalman滤波改进的Camshift算法,解决车辆行驶过程中跟踪不准确的问题。具体如下:1)进一步调查了国内外智能交通系统的研究现状和发展趋势,简要介绍了目前主流的前方车辆检测技术。分析了图像预处理相关技术,对比选用中值滤波作为图像滤波手段,运用OSTU法对图像进行二值化处理,比较并选用了Canny算子对图像边缘进行提取。2)结合车辆特征和卡尔曼滤波跟踪实现对Camshift算法改进。以前方车辆检测技术为背景,论文采用改进的Hough变换提取车道线,并根据车辆底部下缘阴影对车辆进行精确定位;运用Camshift算法实现对前方车辆的跟踪,并结合卡尔曼滤波对其下一时刻的位置进行更新预测,跟踪的准确率得到了提升。3)对双目相机的成像原理以及坐标系之间的转换关系作了分析,研究了双目立体视觉系统测距。主要包括立体校正、对极几何原理及立体匹配算法的选择等,搭建了立体视觉系统软硬件平台,最后进行了双目测距实验验证分析,得出测距误差保持在5%范围内。

关键词：双目视觉图像预处理车辆检测跟踪 Camshift算法立体视觉测距