交通場景中的車輛跟蹤算法研究.pdf_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、智能化的交通解決方案已經(jīng)成為緩解交通壓力的有效手段,人工智能和大數(shù)據(jù)的蓬勃發(fā)展,給智能交通領(lǐng)域帶來了新的活力和發(fā)展。與此同時,基于交通監(jiān)控的智能化算法是當(dāng)前交通信息采集的前沿發(fā)展方向和熱點問題,而基于視頻的車輛檢測和跟蹤任務(wù)則是交通信息采集的基礎(chǔ)和關(guān)鍵工作,是多樣交通參數(shù)獲取的基礎(chǔ)數(shù)據(jù)支撐。由于交通場景的復(fù)雜性,造成了車輛檢測和跟蹤中存在諸多挑戰(zhàn),例如遮擋、光照變化以及實時性要求等問題。近年來,深度學(xué)習(xí)技術(shù)在計算機(jī)視覺等領(lǐng)域取得了突破性

2、進(jìn)展,也使得通過視頻分析方法實現(xiàn)交通狀態(tài)分析和理解成為了可能。隨著交通監(jiān)控設(shè)備的大量應(yīng)用,具有豐富交通信息的視頻數(shù)據(jù)井噴式增長,因此快速、準(zhǔn)確地車輛檢測和跟蹤方法對于交通信息獲取,交通運行管理具有重要意義。
  本文基于實際道路中多維度的交通視頻監(jiān)控場景,以目前優(yōu)秀的目標(biāo)檢測和跟蹤算法為基礎(chǔ),對實現(xiàn)準(zhǔn)確高效的車輛跟蹤算法進(jìn)行了深入研究,提出了多模塊融合的車輛跟蹤框架。本文主要完成了以下工作:
  首先,提出了基于深度神經(jīng)網(wǎng)絡(luò)

3、的車輛檢測方法。依據(jù)車輛及其周圍環(huán)境信息,以候選區(qū)域提出網(wǎng)絡(luò)和檢測網(wǎng)絡(luò)組成的網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ),利用深度學(xué)習(xí)框架Caffe,訓(xùn)練得到了魯棒的車輛檢測器。實驗驗證了算法在多種天氣和交通場景中取得了良好的效果。
  其次,針對核化相關(guān)濾波跟蹤方法在模型更新方面的缺陷,提出一種基于增量學(xué)習(xí)的模型更新方法。通過建立早期跟蹤模型的快照集合,結(jié)合近鄰幀收集的模型,采用增量更新的方式,構(gòu)建了包含早期以及當(dāng)前目標(biāo)信息的主成分的跟蹤模型。通過與多種模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論