检索结果-南通市图书馆

车载环境下的行人跟踪与姿态估计技术研究及实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车载环境下的行人跟踪与姿态估计技术研究及实现

作者：陈冬昊辽宁工业大学

学位级别：硕士

随着科学技术的进步,人工智能技术得到人们越来越广泛的关注,在研究人工智能的过程中,出现了很多杰出的科研成果,深度神经网络就是其中之一。深度神经网络优秀的特征提取性能使得众多研究者尝试将它融入到传统的图像处理算法中,并使得... 详细信息

随着科学技术的进步,人工智能技术得到人们越来越广泛的关注,在研究人工智能的过程中,出现了很多杰出的科研成果,深度神经网络就是其中之一。深度神经网络优秀的特征提取性能使得众多研究者尝试将它融入到传统的图像处理算法中,并使得计算机视觉技术得到了长足的发展。由此,计算机视觉技术的应用范围越来越广,智能汽车就是一个重要的应用方向。针对当前智能汽车的行人目标视觉感知性能较低的问题,提出了一种基于深度学习的融合了Mask R-CNN算法与deep sort算法的行人跟踪与姿态估计模型,论文的主要内容如下:（1）针对Mask R-CNN区域建议网络中所使用的锚框在训练行人目标特征时收敛速度较慢这一问题,提出如下解决方案:根据统计学规律,使用更符合行人目标自然宽高比的锚框替换部分原锚框。具体做法是去除宽高比为2:1的锚框,替换成宽高比为2:5的锚框,对于新的锚框组,锚框数量与面积相对于原锚框组保持不变,只改变锚框的尺度。使用这种优化方式,可以在不引入额外计算量的前提下加快网络的收敛速度,提高检测的精度与速度。（2）针对Mask R-CNN深度残差网络中使用直连通道连接输入层与后面的层,卷积核类型不够全面这一问题,提出如下解决方案:移植了轻量级网络模块SKNet替换部分原网络的卷积模块。具体做法是用3×3的卷积与5×5的卷积加上一个特征通道权重全连接层组成SKNet网络结构,使用这个新的网络结构替换原卷积层中核为3×3的卷积模块。使用这种优化方式,可以使网络在训练过程中能自适应地选取最佳的卷积核,提高特征表示的质量,提高检测的精度与速度。（3）针对deep sort特征匹配过程中使用传统的卷积神经网络特征作为目标的特征描述算子,在对行人目标进行特征表达时效果不理想这一问题,提出如下解决方案:用在图像局部区域内的方格单元上进行统计计算的方向梯度直方图作为特征描述算子。使用这种优化方式,可以加强提取行人目标过程中的抗干扰能力,提高特征匹配时的精确度与鲁棒性。论文通过对比实验验证了各个关键模块对模型性能的提升效果,将模型与另外几种主流算法进行了对比,比较了对行人目标的输出框与标注框的中心点平均误差距离,通过实验数据说明了论文对模型的优化具有实际意义。

关键词：行人检测行人跟踪姿态估计 Mask R-CNN 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

旋翼机单目视觉图像目标检测与跟踪研究

旋翼机单目视觉图像目标检测与跟踪研究

作者：周子衿电子科技大学

学位级别：硕士

旋翼无人机具有其体积小、灵活性高等优点,可在空中进行视觉方面的图像处理任务,相比固定监控设备在交通状况的检测中具有部署成本低的优势。但现阶段应用于旋翼机平台的检测与跟踪算法尚有不足之处,一是当前的检测与跟踪相关算法主要... 详细信息

旋翼无人机具有其体积小、灵活性高等优点,可在空中进行视觉方面的图像处理任务,相比固定监控设备在交通状况的检测中具有部署成本低的优势。但现阶段应用于旋翼机平台的检测与跟踪算法尚有不足之处,一是当前的检测与跟踪相关算法主要基于深度学习,网络结构复杂,而适用于旋翼机平台的机载设备性能有限,无法满足计算资源等相关需求;二是旋翼机航拍视角下的小目标居多,导致对图像特征信息提取难度较大,相应地会出现漏检或错检等问题,给检测算法带来了极大的挑战。针对相关问题,本文的主要研究工作有以下三点:（1）基于YOLO系列检测算法进行了轻量化改进。针对旋翼机平台算力低的缺点对网络结构进行了优化,基于BN层的稀疏化通道剪枝方法对性能高但模型较大的YOLO-V3进行了网络轻量化处理,同时通过K-means++算法重新定义先验框提高对航拍目标的检测效率。改进后的网络加快了推理速度,降低了模型体积,并且提高了对航拍目标的检测精度。对性能较低的小型网络模型YOLO-tiny进行了增强处理,增加了网络卷积层数的同时利用NIN层抑制模型的增大,在维持实时性的基础上提高了检测精度。（2）将deep sort跟踪算法与改进后的YOLO检测算法进行融合。针对漏检的情况,在检测结果中结合目标在时间序列上的特征信息,用改进后YOLO检测算法的结果作为deep sort算法跟踪器的输入,利用前后帧的关系对目标的位置进行预测。同时设定了合理的检测置信度阈值,增加了可视化的目标运动轨迹用于辅助分析,在降低错检率的同时提高了跟踪速度。（3）以M100旋翼机为平台搭建了基于单目视觉的目标检测与跟踪系统。制作了DOTA-like数据集,将改进算法分别部署在机载和地面两个实验平台上,最后在超低空高度下进行了试飞,在不同程度的背景干扰情况下对多目标进行了检测与跟踪测试。实验结果表明,在以行人和车辆为主的交通情况分析中,该系统具有较好的稳定性和可靠性。

关键词：旋翼机目标检测与跟踪 YOLO 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

基于深度学习的智能交通车辆检测与跟踪

基于深度学习的智能交通车辆检测与跟踪

作者：廖慕钦中南林业科技大学

学位级别：硕士

随着计算机技术的发展与科技水平的提高,人们对生活质量的需求也日益提高。交通出行是日常生活中必不可少的一部分,交通拥堵、交通事故频发等问题已经得到许多国家的关注,智能交通系统也因此成为未来交通的发展方向。其中,车辆检测与跟... 详细信息

随着计算机技术的发展与科技水平的提高,人们对生活质量的需求也日益提高。交通出行是日常生活中必不可少的一部分,交通拥堵、交通事故频发等问题已经得到许多国家的关注,智能交通系统也因此成为未来交通的发展方向。其中,车辆检测与跟踪是实现智能交通的重要环节。由于交通路况日益复杂,传统车辆检测跟踪方法已经无法满足需求,深度学习作为近年来最为热门的人工智能实现方法,在图像检测方面有着得天独厚的优势。所以本文基于深度学习方法,开展对智能交通车辆检测与跟踪方法研究,具体研究内容如下:（1）针对车辆检测问题提出SSD-MobileNetV3融合网络车辆检测方法。结合SSD网络检测速度快与MobileNetV3网络参数量小的优点,将SSD网络的基础网络VGG替换成MobileNetV3,并结合迁移学习方法加入预训练模型,加速其网络收敛。同时,针对SSD网络对小目标检测准确率不高的缺点,加入反卷积网络提升其对小目标检测性能,使用自建车辆数据集进行实验。实验表明,SSD-MobileNetV3相对原SSD网络参数量大幅减少了 83.1%,同时准确率也有3.1%的小幅度提升。改进后的SSD-MobileNetV3虽然网络参数相对于改进前增加8.9M,但是整体准确率上升了 4.1%,且对小目标检测更准确。（2）针对车辆跟踪问题使用基于检测的跟踪方法deep sort,检测部分使用上文所设计的SSD-MobileNetV3。针对sort方法没有车辆外观特征导致容易跟踪丢失的现象,加入车辆外观重识别,使用VERI数据集进行训练,得到车辆外观特征,并使用匹配级联方法在一定程度上解决跟踪目标丢失问题。结果表明:本文deep sort车辆跟踪方法在各个指标参数上均优于sort算法。本方法实现了通过路口车辆计数与车辆轨迹跟踪。（3）搭建嵌入式实验平台,对本文改进deep sort车辆跟踪方法进行实验验证。验证本文算法能否在嵌入式系统中运行,对比不同算法在嵌入式系统中运行情况。实验表明,本文算法在能够嵌入式平台中流畅运行,FPS为18左右,基本能够实现实时检测,对智能交通车辆跟踪的实现有一定帮助。

关键词：智能交通深度学习车辆检测与跟踪 SSD-MobileNetV3 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

基于深度学习的视频多目标行人检测与追踪

现代信息科技 2020年第12期4卷 6-9页

作者：徐耀建江西财经大学软件与物联网工程学院江西南昌330013

多目标检测与跟踪是当今计算机视觉领域中重要的子课题,因为当下摄像设备质量以及计算机科技水平的不断提高和使用成本的减少,相关技术的发展突飞猛进。文章通过对现有表现出色的目标检测算法YOLOv3进行调优,使其更适配于行人检测、目... 详细信息

多目标检测与跟踪是当今计算机视觉领域中重要的子课题,因为当下摄像设备质量以及计算机科技水平的不断提高和使用成本的减少,相关技术的发展突飞猛进。文章通过对现有表现出色的目标检测算法YOLOv3进行调优,使其更适配于行人检测、目标跟踪算法deep sort以及Counting算法,以进行行人检测计数,实现一个基于图像处理的多目标行人检测与追踪的平台。

关键词：计算机视觉多目标跟踪 YOLOv3 行人检测 deep sort

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

基于人脸识别的客流分析技术研究与实现

智能计算机与应用 2020年第10期10卷 6-10页

作者：姚砺孙汇东华大学计算机科学与技术学院上海200000

在复杂的场景中,多目标跟踪算法会由于遮挡出现目标丢失和误报的情况,导致目标跟踪失败。针对以上问题,本文提出基于人脸识别的多目标跟踪算法。首先,采用基于深度学习的YOLOv3进行目标行人检测;其次,对目标行人脸部特征点进行人脸姿态... 详细信息

在复杂的场景中,多目标跟踪算法会由于遮挡出现目标丢失和误报的情况,导致目标跟踪失败。针对以上问题,本文提出基于人脸识别的多目标跟踪算法。首先,采用基于深度学习的YOLOv3进行目标行人检测;其次,对目标行人脸部特征点进行人脸姿态估计,用欧拉角表示人脸朝向信息,再对正向人脸通过人脸特征比对实现数据关联,非正向人脸采用基于deep sort的多目标跟踪算法进行目标跟踪。实验证明,在一定程度上提高遮挡情况下多目标跟踪的准确性,降低了行人ID跳变次数,在实时性和鲁棒性上也有良好的效果。

关键词： YOLOv3 人脸姿态估计人脸特征比对 deep sort 多目标跟踪