检索结果-南通市图书馆

基于3DCNN-DNN的高空视频交通状态预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

交通运输系统工程与信息 2020年第3期20卷 39-46页

作者：彭博唐聚蔡晓禹谢济铭张媛媛王玉婷山地城市交通系统与安全重庆市重点实验室重庆400074 重庆交通大学交通运输学院重庆400074

为使用高空视频识别和预测道路交通状态,提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法.将道路切分为D个路段,每个路段视频片段时长m s,基于典型3DCNN结构C3D识别路段视频片段交通状态;建立道路?个历史时段、D... 详细信息

为使用高空视频识别和预测道路交通状态,提出基于三维卷积神经网络-深度神经网络(3DCNN-DNN)的交通状态预测方法.将道路切分为D个路段,每个路段视频片段时长m s,基于典型3DCNN结构C3D识别路段视频片段交通状态;建立道路?个历史时段、D个路段的交通状态矩阵Φ,将道路交通状态预测问题转化为以Φ为输入,有限交通状态为输出的分类问题,构建基于DNN的短时交通状态预测模型原型;建立交通视频数据集,对DNN预测模型原型的隐藏层数量、神经元数量及训练批大小进行测试优化,提出有4隐藏层,各层神经元数量为64/128/128/64,训练批大小为64的优化模型DNN*.测试结果表明:C3D视频交通态识别平均F1值为95.71%,DNN*道路交通状态预测准确率为91.18%,比DNN线性分类、KMeans、KNN、SVM和线性分类分别高6.86%、57.85%、62.26%、26.47%、43.14%;C3D能提供准确的交通状态矩阵,3DCNN-DNN可有效识别和预测道路视频交通状态.

关键词：智能交通交通状态预测 DNN 高空视频 3DCNN 深度学习

维普期刊数据库

基于高空视频深度学习的城市干道交通状态判别方法研究

在线全文

学校读者我要写书评

暂无评论

基于高空视频深度学习的城市干道交通状态判别方法研究

作者：唐聚重庆交通大学

学位级别：硕士

随着中国经济的不断发展,我国汽车保有量持续增长,导致当前道路交通拥堵问题日益突出。干道作为城市交通系统的主动脉,是治理城市交通拥堵的首要关注点。城市干道覆盖范围广、影响范围大,常规的感应线圈、视频监控设备等不利于从整体上... 详细信息

随着中国经济的不断发展,我国汽车保有量持续增长,导致当前道路交通拥堵问题日益突出。干道作为城市交通系统的主动脉,是治理城市交通拥堵的首要关注点。城市干道覆盖范围广、影响范围大,常规的感应线圈、视频监控设备等不利于从整体上观测干道交通状态变化,近年来,高空视频(包括无人机视频,高点监控视频,鹰眼视频等)的逐步普及为干道交通研究提供了新的视角。目前视频目标检测与跟踪等领域成果十分丰硕,但高空视频交通状态识别方面的针对性研究相对较少,所用方法也主要基于传统的图像特征检测。随着人工智能的快速发展,深度学习理论与方法给许多领域提供了一种新的解决方案。因此,将深度学习理论方法引入到高空交通视频领域、研究和解决交通问题,成为了当前交通视频监测研究的热门趋势。综上所述,本文尝试利用深度学习方法中的自编码器模型、三维卷积神经网络模型以及深度神经网络模型,来解决基于高空视频的城市干道交通状态识别及预测问题,为干道交通状态监测与管控提供新的技术支持,也为缓解交通拥堵问题提供新的视角和方法。本文的主要研究内容如下:(1)针对目前主流的深度学习方法理论进行分类总结,并分析这些算法中比较经典的神经网络模型,为本文深度学习模型构建奠定理论基础。(2)针对图像交通状态识别,本文从输入数据维度、隐藏层数量、降维数据维度三个方面优化模型结构参数,加强自编码器对图像特征的提取,实现海量图像特征的高效压缩。最后,基于降维数据结合k-means聚类算法对交通状态进行有效识别。(3)针对视频交通状态识别,本文将目前常用于行为识别领域的三维卷积神经网络模型C3D引入到视频交通状态识别研究中,把交通状态视为特殊的行为动作进行视频识别。为此,构建视频交通状态识别数据集,基于三维卷积神经网络C3D展开模型优化,包括调整卷积层结构、优化平面卷积尺寸和优化视频卷积核深度。最后,对最优模型3DCNN进行训练测试和验证分析。(4)针对视频交通预测,本文提出了基于3D CNN与DNN的交通状态预测方法,将有限的交通状态预测问题转化为分类问题,实现短时视频交通状态预测。通过对上述内容展开研究后,本文得出了以下结论:(1)图像交通状态识别方面,本文基于自编器与k-means结合构建的AEK模型不仅具有较好的图像交通状态识别能力,而且能够减少模型参数、节约人工成本,大幅提升模型检测效率。(2)视频交通状态识别方面,本文构建的高空视频交通状态识别模型3DCNN,优于常见的3D CNN模型和二维卷积网络模型。说明本文构建的交通状态识别模型在二维卷积和三维卷积方面性能表现均较好,具有较高的泛化能力。(3)视频交通预测方面,本文基于三维卷积神经网络-深度神经网络(3DCNN-DNN)构建的交通状态预测模型,可以准确预测视频交通状态,对于短时数据的交通状态预测提供了新的方法。

关键词：高空视频深度学习交通状态识别交通状态预测三维卷积神经网络

基于高空视频图像的山地城市信号交叉口到达车辆运行特征分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

交通信息与安全 2022年第4期40卷 110-118,127页

作者：张高峰刘小明尚彦宇徐进重庆交通大学交通运输学院重庆400074 中铁二院工程集团有限责任公司成都610051 重庆交通大学山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室重庆400074

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素,通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据,利用基于DataFromSky云平台的AI视频分析技术,获得车辆运行参数。基于车辆运行时空图,得到了交叉口直行道... 详细信息

为明确山地城市信号交叉口到达车辆的运行特征及其影响因素,通过无人机采集4个位于山地城市的道路信号交叉口的高空视频图像数据,利用基于DataFromSky云平台的AI视频分析技术,获得车辆运行参数。基于车辆运行时空图,得到了交叉口直行道停止线前车辆停滞延误特征、停止线位置车头时距和车头间距统计特征,分析车头间距、停止线截面处速度及道路平均坡度之间的相关性。结果表明:不同路段同一排队位次和同一路段不同排队位次的车辆运行特征均有所不同,排队位次越靠前的车辆,停车点分布区间越集中,下坡路段整体停车位置分布范围比上坡路段大;无论是上坡、下坡,还是缓坡,排队位次越靠前的车辆停滞延误分布范围越大,而靠后的车辆停滞延误分布范围小,最大值出现在下坡路段;不同路段类型车头时距分布均集中于1.5 s,上坡路段的车头时距离散程度最大,但峰值比下坡路段和缓坡路段小;不同路段类型的车头间距分布均集中于10 m,上坡路段和下坡路段车头间距分布出现左偏现象,而缓坡路段车头间距分布更为集中;车头间距在上坡、下坡和缓坡路段均和车辆经过停止线位置处时的速度存在较强的正相关性;道路平均坡度与相邻2车车头间距存在正相关性。

关键词：山地城市道路信号交叉口行驶轨迹车辆运行特征高空视频时空图

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一种5G+高空鹰眼超清视频监控的智能应用

电脑与电信 2022年第8期 55-56,63页

作者：李成广东省电信规划设计院有限公司广东广州510660

提出了一种通过构建5G+高空鹰眼超清视频监控系统实现对城市全天候实时监控智能风险识别预警的方法。基于5G、AR、大数据等信息技术,在城市高点建设超清视频摄像头,支持远程云台控制,视距可达5~6公里,全景旋转调节。同时,基于高空视频... 详细信息

提出了一种通过构建5G+高空鹰眼超清视频监控系统实现对城市全天候实时监控智能风险识别预警的方法。基于5G、AR、大数据等信息技术,在城市高点建设超清视频摄像头,支持远程云台控制,视距可达5~6公里,全景旋转调节。同时,基于高空视频监测结果数据和地理图层,实现3D智能建模,在应急指挥及紧急救援场景下,实现现场一线情况远程直观呈现及指挥人员动态俯视、及时指挥。

关键词：高空视频 5G技术 3D建模监测预警

维普期刊数据库

基于通信塔的连云港市综禁办秸秆禁烧智能视频监控系统设计与实现

在线全文

学校读者我要写书评

暂无评论

江苏通信 2023年第6期39卷 115-119页

作者：陆亮中国铁塔股份有限公司连云港市分公司

在秸秆禁烧防治中,对农田无缝视频覆盖,快速发现并定位火点可有效提升污染防治效率。文章结合连云港市综禁办秸秆禁烧烟火防治工作实际情况,描述利用通信塔搭载视频监控建设连云港市综禁办秸秆禁烧视频监控智能系统的目标,提出通过智能... 详细信息

在秸秆禁烧防治中,对农田无缝视频覆盖,快速发现并定位火点可有效提升污染防治效率。文章结合连云港市综禁办秸秆禁烧烟火防治工作实际情况,描述利用通信塔搭载视频监控建设连云港市综禁办秸秆禁烧视频监控智能系统的目标,提出通过智能图像AI识别、火点定位、GIS地理信息等技术,设计实现基于通信塔的秸秆禁烧智能视频监控系统。系统可实时对全量视频进行智能分析,对异常情况做到事前预警,使防火预警监测工作智慧化、数字化。

关键词：通信塔秸秆禁烧视频监控烟火识别火点定位高空视频

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

高空场景下的交叉路口车流量统计算法研究

高空场景下的交叉路口车流量统计算法研究

作者：颜洵三峡大学

学位级别：硕士

随着我国经济日益腾飞,人们对汽车的购买欲增强。这些年来,道路的增长速度远不及车辆的增长速度,造成了交通拥堵、交通事故频发。交叉路口是城市交通的关节所在,也是交通拥堵的高发地段,实时统计交叉路口各个方向的车流量,有利于交管部... 详细信息

随着我国经济日益腾飞,人们对汽车的购买欲增强。这些年来,道路的增长速度远不及车辆的增长速度,造成了交通拥堵、交通事故频发。交叉路口是城市交通的关节所在,也是交通拥堵的高发地段,实时统计交叉路口各个方向的车流量,有利于交管部门及时了解交通状况,对车辆拥堵路段进行疏导。传统的数据采集依靠城市“天眼”系统,因为摄像头架设高度有限,容易造成阴影和遮挡,检测范围也受到限制,很难应对交叉路口这种复杂的检测场景。高空视频具有监测范围广,不易受车辆遮挡和光照阴影的影响等优点,特别适用于交叉路口这种复杂的现实场景。本课题依托交叉路口为研究场景,主要提出改进的YOLOv4目标检测算法、基于CIoU的DeepSort目标跟踪算法和交叉路口高空图像车辆计数方法。采用“检测+跟踪+计数”的方式统计交叉路口不同行驶方向上的车流量的情况,主要研究内容如下:（1）改进的YOLOv4目标检测算法。针对目前YOLOv4检测方法在交叉路口这种复杂场景中不能兼顾准确性和实时性的问题,首先优化输入图像尺寸,并加入滑窗裁剪方法,防止图片输入后发生型变。其次缩减输出层数量,采用两种尺度的特征图进行目标检测。然后在YOLOv4输出层中引入了残差网络结构用于提升网络性能,同时将输出层中CBL结构的激活函数更换成mish函数。最后利用K-means++算法分别对高空数据集中的大型车辆和小型车辆锚框值进行聚类,合并锚框聚类结果来代替原始的锚点参数。该方法不仅能够有效提升高空图像中小目标的检测准确性,还能够保持较高的检测速度。（2）基于CIoU的DeepSort目标跟踪算法。针对DeepSort算法中的IoU仅仅只是考虑了检测框和预测框的重叠比例,而无法衡量两框是相邻还是相聚甚远。将算法中用于匹配的IoU算法,更换为CIoU算法。能更好地反映预测框与检测框的相似程度,有效提升目标匹配的准确度。（3）交叉路口高空图像车辆计数方法。首先在进出道口划取虚拟检测框。为弥补通过虚拟检测框时,因为目标丢失而无法进行计数的情况,在虚拟检测框中加入了Vibe算法与YOLOv4进行融合检测,降低目标丢失概率。最后利用组合虚拟检测框计数法对交叉路口各个方向进行车流量统计。实验证明该方法能够有效提升计数准确度,可以满足应用的需求。

关键词：智能交通车流量统计高空视频交叉路口 YOLOv4 车辆检测