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

基于机器学习的前方车辆行为识别方法研究

基于机器学习的前方车辆行为识别方法研究

作者：殷远齐长安大学

学位级别：硕士

随着现代交通的不断发展,车辆的智能化成为了一个热点问题。而车辆行为识别作为车辆智能化的重要组成部分也受到了研究者的广泛关注。智能的对前方车辆的行为进行识别可以起到驾驶辅助,提高驾驶安全性的作用。本文主要基于车辆检测及车... 详细信息

随着现代交通的不断发展,车辆的智能化成为了一个热点问题。而车辆行为识别作为车辆智能化的重要组成部分也受到了研究者的广泛关注。智能的对前方车辆的行为进行识别可以起到驾驶辅助,提高驾驶安全性的作用。本文主要基于车辆检测及车辆跟踪的相关技术对前方车辆的行为识别方法进行研究,主要工作如下:1.针对YOLO v4目标检测算法存在的精度低、速度慢的问题,提出了一种改进的YOLO v4车辆检测算法。在网络结构部分加入CBAM,提取更加关注的特征,增强了模型的特征表达能力;改进特征融合模块,更好的保留浅层网络的目标语义信息;简化损失函数,提高了算法的运行速度以及模型的收敛速度;改进模型优化算法,提高了模型检测精度。实验结果表明,本文算法在BDD100K数据集上达到了71.12%的检测精度,同时达到了45帧/s的检测速度,可以满足实时检测。2.提出了一种改进的Deep SORT车辆跟踪算法。针对原始算法中的目标检测器速度慢、精度低的问题,利用改进的YOLO v4检测器替换原始算法中的目标检测器,提升车辆检测的精度及速度;针对Deep SORT外观特征提取部分存在的模型较大但准确率较低的问题,使用深度可分离卷积替换原始卷积,使用瓶颈块结构替换残差块结构,在不降低精度的同时提升车辆外观特征的重识别速度;利用Ve Ri-776车辆重识别数据集进行车辆外观特征训练,验证外观特征重识别方法的可靠性。实验结果表明,本文改进的Deep SORT车辆跟踪算法可以对视频中的多目标进行稳定跟踪,并且达到了52.6%的MOTA值。3.提出了一种基于注意力机制的Bi LSTM-Att车辆行为识别方法,提高行为识别方法的准确率。利用车道线检测方法结合车道拟合方法对车辆行驶区域进行划分,找出感兴趣区域,筛选出前方车辆。针对车辆行为识别准确率低的问题,将注意力机制引入到双向LSTM方法中,提出了Bi LSTM-Att车辆行为识别方法,构建了车道线标签数据集和车辆行为标签数据集,验证车辆行为识别方法的性能。实验结果表明,本文方法的准确率达到了97.96%,可以获得更加准确的前方车辆行为识别结果。

关键词：车辆行为识别 YOLO v4 DeepSORT 外观特征提取双向LSTM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城市道路车辆行为识别方法研究

移动通信 2023年第10期47卷 38-43页

作者：陆金辉鲍楠胡晗左加阔师晓晔潘甦南京邮电大学江苏南京210003

为了提高城市道路驾驶的安全性,提出一种基于混合高斯隐马尔科夫模型的城市道路车辆行为识别方法。首先通过仿真平台获取城市三车道道路场景的车辆运动轨迹信息和车辆信息并对其进行数据处理和特征提取,选取目标车辆车头中心与初始所在... 详细信息

为了提高城市道路驾驶的安全性,提出一种基于混合高斯隐马尔科夫模型的城市道路车辆行为识别方法。首先通过仿真平台获取城市三车道道路场景的车辆运动轨迹信息和车辆信息并对其进行数据处理和特征提取,选取目标车辆车头中心与初始所在车道右侧车道线的距离,以及目标车辆纵向和横向速度作为特征参数,再通过鲍姆-韦尔奇算法对模型参数进行训练迭代更新,最后结合前后向算法实现城市道路车辆行为的识别。仿真结果表明,采用混合高斯隐马尔科夫模型对城市道路车辆行为进行识别具有较高的精度。

关键词：混合高斯隐马尔科夫模型车辆行为识别鲍姆-韦尔奇算法前后向算法

基于二次谱聚类和HMM-RF混合模型的车辆行为识别方法研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2016年第5期43卷 288-293页

作者：范菁阮体洪吴佳敏董天阳浙江工业大学计算机科学与技术学院杭州310023 浙江省可视媒体智能处理技术研究重点实验室杭州310012

从高速交通监控视频中提取的车辆轨迹数据可以用于分析和识别车辆行为。由于从高速监控视频中提取的车辆轨迹中只有少量的变道、超车等类型轨迹,采用经典的最长公共子串(LCSS)相似度和谱聚类等算法无法有效地区分轨迹数据中所有类型的轨... 详细信息

从高速交通监控视频中提取的车辆轨迹数据可以用于分析和识别车辆行为。由于从高速监控视频中提取的车辆轨迹中只有少量的变道、超车等类型轨迹,采用经典的最长公共子串(LCSS)相似度和谱聚类等算法无法有效地区分轨迹数据中所有类型的轨迹;此外,在车辆行为识别方面,常用的隐马尔科夫(HMM)轨迹模型忽略了负样本的影响,且仅用最大似然值进行分类,存在较高的误识别率。为了解决这些问题,分析和研究了高速监控视频中车辆轨迹数据的特点,提出了一种基于二次谱聚类和HMM-RF混合模型的车辆行为识别方法。该方法利用轨迹曲率来识别具有曲线轨迹特征的超车轨迹,利用倾角相似度和谱聚类算法来识别非曲线轨迹中的变道轨迹,并将得到的所有聚类簇用LCSS和谱聚类算法进行再聚类,从而有效地区分超车、变道以及直行轨迹等。在进行车辆行为识别时,该方法通过将不同HMM模型的多维概率输出作为随机森林RF模型的输入来识别多类型轨迹以替代最大似然值分类,提高了行为识别的正确率。为了验证方法的有效性,在不同数据集下进行实验,结果表明轨迹聚类的平均准确率为96%,而行为识别的平均准确率是89.3%,算法具有较高的准确率和鲁棒性。

关键词：轨迹聚类车辆行为识别二次谱聚类 HMM-RF混合模型

在线全文

学校读者我要写书评

暂无评论

复杂环境下前方车辆行为识别方法研究

复杂环境下前方车辆行为识别方法研究

作者：王硕上海工程技术大学

学位级别：硕士

随着社会的发展与进步,智能交通系统得到了迅速发展,其中智能车辆作为主要交通参与者,引起了研究者的广泛关注。环境感知是智能车辆实现无人驾驶的重要前提,前方车辆的行为识别作为其关键一环承接传感器信息,对周身车辆运动情况进行识别... 详细信息

随着社会的发展与进步,智能交通系统得到了迅速发展,其中智能车辆作为主要交通参与者,引起了研究者的广泛关注。环境感知是智能车辆实现无人驾驶的重要前提,前方车辆的行为识别作为其关键一环承接传感器信息,对周身车辆运动情况进行识别,帮助本车做出决策,在无人驾驶中起到承前启后的关键作用。本文针对复杂环境下智能车辆前方车辆的类别、状态及行为为具体研究对象,进行前方车辆行为识别,并通过自然环境下采集的数据对系统性能进行验证。首先,基于卷积神经网络对复杂环境下前方车辆进行识别。为满足车辆目标检测的实时性和准确性的要求,基于tiny-YOLOv3算法,通过增加网络宽度与检测尺度,解决了较小车辆目标检测准确率低的问题,实现复杂环境下的实时车辆检测。实验结果表明,相比传统的tiny-YOLOv3方法,改进的tiny-YOLOv3满足实时性要求,并且网络模型体积更小,目标检测准确率更高,能有效识别复杂场景中的车辆目标。其次,基于核相关滤波算法(Kernerlized Correlation Filter,KCF),结合Kalman滤波与匈牙利匹配算法对复杂环境下的多个车辆目标长期跟踪。为克服运动车辆跟踪中目标被遮挡时的跟踪不稳定问题,采用Kalman滤波器对被遮挡车辆的位置进行预测,并利用匈牙利匹配算法匹配检测与跟踪目标,实现前方车辆的多目标长期跟踪。实验结果表明,Kalman滤波和KCF相结合的方法能够实现复杂环境下车辆目标的准确跟踪。最后,基于长短时记忆网络(Long Short-Term Memory,LSTM)对前方车辆进行行为识别。为了解决车辆行为识别准确率低、延迟大、识别对象单一的问题,本文利用车辆检测和跟踪的结果,获取车辆运动轨迹与车辆目标检测框的尺寸。以上述运动特征作为车辆行为分类的基本特征,并输入LSTM网络建立时间序列模型,通过输出的预测得分完成车辆行为识别。实验结果表明本文方法训练的车辆行为识别模型平均分类准确率达92%,可有效识别前方多个车辆的多种行为,与现有目标行为识别算法相比更有优势。本文旨在对智能车辆前方车辆的行为识别方法进行研究,所得结果可对智能车辆的环境感知与智能决策部分提供一定的参考。

关键词：车辆行为识别车辆检测车辆跟踪 tiny-YOLOv3 LSTM 复杂环境

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频的车辆行为识别研究

基于视频的车辆行为识别研究

作者：施晓乐电子科技大学

学位级别：硕士

近年来,随着城市交通的快速发展和计算机性能的提升,城市交通开始变得越来越智能。视频目标检测和追踪作为计算机视觉领域中的两个重要组成部分,在智能交通管理上有着不可替代的作用。在车辆违规行为的监管上,不按导流方向行驶、占用应... 详细信息

近年来,随着城市交通的快速发展和计算机性能的提升,城市交通开始变得越来越智能。视频目标检测和追踪作为计算机视觉领域中的两个重要组成部分,在智能交通管理上有着不可替代的作用。在车辆违规行为的监管上,不按导流方向行驶、占用应急车道等违章行为依然通过人为监督的方式进行实现。人为监督存在效率较低、人力资源浪费严重的问题。而要智能地检测车辆违章行为,首先应检测到车辆并追踪,然后识别车辆行为。因此本文对车辆行为识别进行了研究。车辆行为识别可以广泛的应用于高速公路、桥梁、隧道等场景检测违章行为,提高执法效率,减少交通事故。本文重点研究了监控视频下的车辆检测算法、车辆跟踪算法、多视角车辆行为识别算法,主要内容如下:第一,提出了一种结合帧差法和形态学的选择性前景提取算法(Adaptive Selective Foreground Extraction,简称ASFE)。ASFE是针对间歇性运动的目标提出的,通过两种不同的背景模型更新方式,解决了常规前景提取算法不能检测静止目标的问题。同时,ASFE算法通过形态学处理和阴影去除模块,使得前景提取效果得到了提升。ASFE在检测间歇性运动的目标时取得了不错的效果。第二,提出了一种基于目标中心和候选框的度量。针对目标追踪中定位框不准的问题,本文采用了一种基于目标检测的匹配算法代替了目标追踪算法,得到了目标行驶轨迹。为了提升该目标匹配算法的性能,本文提出了一种基于目标中心和候选框的度量方式。该度量方式结合了检测得到的目标候选框和目标中心坐标,改善了远处目标度量较小和近目标度量较大的问题,在对车辆的匹配过程中取得了不错的效果。第三,探讨了一种基于相机标定的车辆行为识别算法。针对监控视频拍摄角度不同而导致的同类车辆轨迹在不同视频中表现不同的情况,本文将相机标定加入了车辆行为识别,结合仿射变换对车辆行为轨迹进行投影,将车辆行为轨迹投影成俯视图,减弱了拍摄角度的影响。同时,我们设计了一种车辆行为特征来记录车辆行为信息,通过车辆行为特征对车辆行为进行了分类。

关键词：前景提取目标匹配车辆行为识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于交通视频的车辆检测和车辆行为识别研究

基于交通视频的车辆检测和车辆行为识别研究

作者：阮体洪浙江工业大学

学位级别：硕士

交通视频中包含了最全面的交通信息,可用于交通行为与交通事件的推断和理解。高速公路交通视频监测系统在智能交通系统中发挥着越来越重要的作用。目前基于交通视频的车辆检测和车辆行为识别仍存在着运动车辆无法有效提取和车辆行为识... 详细信息

交通视频中包含了最全面的交通信息,可用于交通行为与交通事件的推断和理解。高速公路交通视频监测系统在智能交通系统中发挥着越来越重要的作用。目前基于交通视频的车辆检测和车辆行为识别仍存在着运动车辆无法有效提取和车辆行为识别准确率不高等问题。为了有效识别高速公路上的车辆的行为,本文针对基于运动信息的车辆检测、基于特征信息的车辆检测以及车辆行为识别的关键技术进行了相关的研究,主要取得了以下几个方面的研究成果:(1)针对高速公路车辆检测实时性的要求,本文对基于运动信息的车辆检测方法进行研究。为了解决传统的混合高斯模型检测出来的运动车辆中出现的“拖影”现象,本文提出了一种混合高斯模型与自适应背景选择性学习模型相结合的建模方法,使得提取的车辆目标更加完整和准确。此外,为了改善Vi Be模型对不同场景的适应性,本文还采用圆锥模型来替换欧式距离来计算样本模型距离,并计算样本模型的方差来自适应地确定距离阈值。(2)针对仅用运动信息来检测车辆无法确认运动目标是否为车辆的问题,本文对基于特征信息的车辆检测展开研究。根据前向车辆和后向车辆表观的不同特征,本文提出了一种Haar-like和HOG特征结合的交通视频车辆识别方法,提高了前后向车辆识别的准确率;针对基于特征信息的车辆检测方法速度慢的问题,本文综合运动信息和特征信息提出了一种基于感兴趣区域和特征信息的运动车辆检测方法,缩小了车辆目标的搜索范围,加快了检测的速度。(3)针对从高速公路监控视频中提取的变道、超车等类型轨迹数量较少的情况,采用LCSS相似度和谱聚类等算法无法很好地区分轨迹数据中所有类型的轨迹;此外,隐马尔科夫HMM轨迹模型在识别车辆行为时,忽略了负样本的影响,且仅用最大似然值进行分类,存在较高的误识别率。本文提出了一种基于二次谱聚类和HMM-RF混合模型的车辆行为识别方法,有效地区分超车、变道以及直行等轨迹,并提高了车辆行为识别的准确率和鲁棒性。(4)在本文车辆检测和行为识别方法研究的基础上,本文设计与实现了基于交通视频的车辆行为识别原型系统,对高速公路上的车辆行为进行自动识别。

关键词：车辆检测车辆行为识别 AdaBoost 二次谱聚类 HMM-RF混合模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的车辆行为识别与检测研究

基于深度学习的车辆行为识别与检测研究

作者：乐越合肥工业大学

学位级别：硕士

近年来,随着汽车行业的日益更新和人工智能的快速发展,无人驾驶技术受到广泛的推广和应用。无人驾驶的环境感知是实现车辆安全有效驾驶的必备技术,通过车载摄像头记录车辆周围视觉环境数据,识别出周围车辆和障碍物的信息从而执行相应操... 详细信息

近年来,随着汽车行业的日益更新和人工智能的快速发展,无人驾驶技术受到广泛的推广和应用。无人驾驶的环境感知是实现车辆安全有效驾驶的必备技术,通过车载摄像头记录车辆周围视觉环境数据,识别出周围车辆和障碍物的信息从而执行相应操作。其中准确识别出前方移动车辆的行为是实现无人驾驶技术的基础。同时,车辆行为检测在智慧交通管理上有着不可替代的作用。目前对交通违法审核存在人力财力投入大、效率低下、人力资源浪费等严重问题,传统路口监控所拍摄的视频仅能在很小的范围内对交通违章进行检测,远远不能达到智慧交通中全覆盖的交通事故预防和交通违章检测的程度。现在车辆大都安装了行车记录仪或其他对车辆前方环境摄录的装置,因此,摄录的行车前方车辆行为视频呈指数级别增长。在拍摄的长视频中智能高效的检测识别出车辆各种行为,不管对无人驾驶技术还是对智慧交通的实现都具有重大的现实意义。基于上述情况,对现有的车辆行为识别和目标行为检测技术做了充分研究和改进后,实现了基于深度学习的车辆动态行为分类与检测研究。数据集采集于行车记录仪等设备摄录的行车前方车辆视频,研究的内容包括:1、针对传统车辆行为识别算法精度低、延迟大的问题,提出一种基于长短期记忆的车辆行为动态识别深度学习算法。首先,提取车辆行为视频中的关键帧;其次,引入双卷积网络并行对关键帧的特征信息进行分析,再利用长短期记忆网络对提取出的特性信息进行序列建模;最后,通过输出的预测得分判断出车辆行为类别。实验结果表明,所提算法识别准确率可达95.6%,对于单个视频的识别速度只要1.72s,其中改进的双卷积算法相较于普通卷积网络在准确率上提高8.02%,同基于本数据集的传统车辆行为识别算法相比准确率提高6.36%。2、针对传统人工标注定位车辆行为过于耗时耗力,相应目标检测识别算法实用性差,行为定位检测率低等问题,提出一种基于双流卷积和双向长短期记忆网络的车辆行为检测算法。车辆行驶过程中直行行为占据了巨大的比例,但在实际需求中,更为关注长视频中车辆的转弯,变道掉头等行为。因此,本文将直行行为默认为背景行为,将长视频中车辆变道,转弯调头等行为设为目标行为。首先,通过双流卷积网络提取出长视频中的非直行行为提议,然后使用双向长短期记忆网络对初步提议进行修剪和识别,从而检测出行为发生的时间和行为的类别。基于本文的数据集,与现有目标行为检测算法相比有更明显优势,在tIoU阈值为0.5时,mAP达到36.3%。

关键词：车辆行为识别车辆行为检测深度学习卷积神经网络长短期记忆网络

一种面向路口车辆行为识别的改进LSTM分类模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

军事交通学院学报 2020年第7期22卷 83-88页

作者：肖海鹏王任栋曹波李炯陆军军事交通学院学员五大队天津300161 陆军军事交通学院军事交通运输研究所天津300161 陆军军事交通学院镇江校区江苏镇江212003 95848部队湖北孝感432000

针对传统LSTM分类模型对车辆直行等行为识别准确率不高的问题,提出一种改进LSTM分类模型。在改进模型中,首先把输入特征进行横向合并,再输入1个LSTM细胞。该模型可以充分利用输入信息,减少计算量,单个LSTM细胞模型具有较强的抗干扰能力... 详细信息

针对传统LSTM分类模型对车辆直行等行为识别准确率不高的问题,提出一种改进LSTM分类模型。在改进模型中,首先把输入特征进行横向合并,再输入1个LSTM细胞。该模型可以充分利用输入信息,减少计算量,单个LSTM细胞模型具有较强的抗干扰能力、更好的分类效果以及更快的训练速度。实验表明,改进后的模型较改进前总体识别准确率提高1.6%,其中直行识别准确率提高2.04%,训练时间减少3.96 s,识别准确率和训练速度较改进前的模型均有所提升。

关键词：车辆行为识别 LSTM分类模型运动轨迹预测

基于智能手机的车辆行为实时判别与渐进矫正方法研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2017年第3期44卷 288-295页

作者：范菁吴青青叶阳董天阳浙江工业大学计算机科学与技术学院杭州310023

目前基于智能手机的车辆行为识别算法存在着鲁棒性较差、识别率较低、无法应用于实时行驶判断等问题。针对上述问题,提出了基于智能手机的车辆行为实时判别与渐进矫正方法,以提高车辆行为识别的准确率和实时性。该方法利用车辆行为发生... 详细信息

目前基于智能手机的车辆行为识别算法存在着鲁棒性较差、识别率较低、无法应用于实时行驶判断等问题。针对上述问题,提出了基于智能手机的车辆行为实时判别与渐进矫正方法,以提高车辆行为识别的准确率和实时性。该方法利用车辆行为发生时存在的渐进变化数据来进行车辆行为的识别与渐进矫正分类,并通过采集过程数据作为分类器训练样本,提高支持向量机(SVM)分类器的车辆行为识别和预测能力。同时,针对传统滑动窗口检测的局限性,该方法采用了端点检测算法,从而能快速地从车辆行驶数据中截取并识别行为轨迹信息,以减少车辆行为的误判。实验结果表明,基于时间分段矫正的行为识别算法能够有效地对车辆行为进行预测,并最终达到较高的识别率,证明了该方法的有效性。

关键词：车辆行为识别 SVM 实时判别