当前位置:主页 > 科技论文 > 路桥论文 >

基于R-CNN的城市道路行人车辆实时检测识别方法研究

发布时间:2022-11-12 09:16
  城市道路监控是监视道路交通安全、整顿城市治安与防范各种犯罪以及恐怖暴力活动的有效手段。以往的道路监控摄像头种类繁多,视频数据整合工作均由人工完成,需要配套大量专业技术人员。而今,随着机器视觉技术的发展、监控智能化的推进,在多项图像感知问题上,算法的性能已超越了人类的,并进入到了大规模工程应用的阶段,但综合应用尚在起步阶段。因此,本文旨在整合最新视觉技术研究成果,构建一套基于R-CNN(Regions with Convolutional Neural Network)的、可依赖不同制式监控摄像头的视频输入、能够实现人车同时检测并分别识别的方法。本文对现有智能监控、行人重识别、车辆号牌检测等技术领域进行了调研,构建了整体方案,将整个算法流程分为了三部分:目标检测算法,负责从监控视频中对行人车辆进行实时检测并提取出图像信息;行人重识别算法,对行人图像与数据库存图像比较进行重识别;车辆号牌识别算法,对检出的车辆图像,进行号牌识别。而后,对于三种算法本文进行了深入研究:目标检测算法,对比了Mask-RCNN与Light-Head RCNN算法并结合其他最新成果,对卷积核、网络结构等进行了改进,... 

【文章页数】:67 页

【学位级别】:硕士

【文章目录】:
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 行人车辆视频监控的国内外研究现状
        1.2.1 智能监控技术发展现状
        1.2.2 行人重识别研究现状
        1.2.3 车辆号牌识别研究现状
        1.2.4 国内外文献综述的简析
    1.3 课题主要研究内容
    1.4 本文章节安排
第2章 基于RCNN的道路行人车辆检测算法研究
    2.1 引言
    2.2 目标检测算法评价指标
    2.3 Mask-RCNN模型的复现与性能测试
        2.3.1 区域选取子网络
        2.3.2 锚点机制
        2.3.3 掩码生成支路
        2.3.4 Mask-RCNN模型的训练
    2.4 Light-Head RCNN模型的复现与改进
        2.4.1 Light-Head RCNN模型
        2.4.2 对Light-Head RCNN模型的优化
    2.5 本章小结
第3章 基于度量学习的行人重识别算法研究
    3.1 引言
    3.2 行人重识别算法评价指标
    3.3 动态自编码方案研究
        3.3.1 度量学习
        3.3.2 损失函数的设计
        3.3.3 动态自编码方案
        3.3.4 动态自编码方案的测试结果
    3.4 通用编码方案
        3.4.1 人体解析部分研究与优化
        3.4.2 将人体解析结果用于重识别
        3.4.3 通用编码方案测试结果
    3.5 本章小结
第4章 基于字符检测的车辆号牌识别算法研究
    4.1 引言
    4.2 基于弱监督的不规则字符检测方法研究
        4.2.1 弱监督方案整体流程
        4.2.2 序列到序列(sequence to sequence)模型
        4.2.3 二维注意力机制
        4.2.4 硬注意力机制
    4.3 训练数据的扩充
    4.4 训练及结果比较
    4.5 利用先验信息进一步工程优化
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】:
期刊论文
[1]AI+安防的落地应用现状与发展趋势[J]. 吴迪.  中国公共安全. 2018(12)



本文编号:3706102

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3706102.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户c493c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]