基于YOLOv3和多目标跟踪的智能交通视频监控系统

发布时间：2023-01-30 23:13

　　2018年底,广西高速公路已建及在建总里程超过7800公里,平均每10公里安装一个高清视频监控系统来获取实时交通信息。然而这些监控系统中,具备道路信息自动获取以及车辆异常行为检测等功能的不足三分之一,大量监控视频仍需人工分析,监管效率低,不利于引导交通流、规范车辆行驶行为、减少交通事故。针对以上问题,本文基于深度学习目标检测方法和多目标视觉跟踪方法设计了一种智能交通视频监控系统。该系统可对高速公路上的交通目标进行位置检测、类型识别和多目标运动轨迹跟踪,具有多车型流量统计、车辆异常行为检测和行人抓拍等功能。主要研究内容有:（1）交通目标检测。研究了YOLO系列3种主要目标检测模型YOLOv1、YOLOv2、YOLOv3和基于高斯混合模型的运动目标检测方法原理并进行实验验证。实验结果表明,YOLOv3检测模型对交通目标中的小车、货车、客车、行人4类进行定位与类型识别准确率最高,达80%,比基于高斯混合模型的检测方法准确率提高了40%。（2）单目标视觉跟踪。首先介绍了单目标跟踪方法的分类及基本思想,然后分析了Camshift和DSST单目标跟踪方法原理,最后实验验证了Camshift、DSS... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    §1.1 课题背景及意义
        §1.1.1 研究背景
        §1.1.2 研究意义
    §1.2 国内外研究现状
        §1.2.1 智能交通视频监控系统研究现状
        §1.2.2 目标检测研究现状
        §1.2.3 视觉单目标跟踪研究现状
    §1.3 论文主要工作和结构安排
第二章 视觉目标检测方法
    §2.1 YOLO系列目标检测方法
        §2.1.1 YOLOv1原理
        §2.1.2 YOLOv2原理
        §2.1.3 YOLOv3原理
    §2.2 基于混合高斯模型的目标检测方法
        §2.2.1 单高斯背景建模
        §2.2.2 混合高斯模型背景建模
    §2.3 实验与分析
        §2.3.1 深度学习类目标检测方法的评价指标
        §2.3.2 YOLO目标检测实验
        §2.3.3 基于GMM运动目标检测实验
        §2.3.4 综合分析
    §2.4 本章小结
第三章 单目标视觉跟踪方法
    §3.1 单目标视觉跟踪简介
        §3.1.1 早期经典跟踪方法简介
        §3.1.2 基于相关滤波器的跟踪方法简介
        §3.1.3 基于深度学习的跟踪算法简介
        §3.1.4 三类跟踪方法总结
    §3.2 Camshift跟踪算法
        §3.2.1 Mean Shift算法原理
        §3.2.2 Cam Shift算法原理
    §3.3 DSST跟踪算法
        §3.3.1 MOSSE算法原理
        §3.3.2 DSST算法原理
    §3.4 实验与分析
        §3.4.1 实验过程
        §3.4.2 实验分析
    §3.5 本章小结
第四章 基于DSST的多目标跟踪方法
    §4.1 多目标跟踪方法框架
    §4.2 多目标匹配方法
        §4.2.1 基于最近邻的匹配方法
        §4.2.2 基于目标特征相似度的匹配方法
    §4.3 多目标跟踪过程分析
        §4.3.1 新目标出现判别
        §4.3.2 DSST跟踪器更新
        §4.3.3 跟踪目标离开判别
    §4.4 实验与分析
    §4.5 本章小结
第五章 智能交通视频监控系统
    §5.1 YOLOv3模型训练
        §5.1.1 数据集建立
        §5.1.2 数据集标记
        §5.1.3 模型训练方法
        §5.1.4 YOLOv3训练结果分析
    §5.2 多车型流量统计
        §5.2.1 高速公路车流量统计实验
        §5.2.2 实验结果分析
    §5.3 车辆异常行为检测和行人抓拍
        §5.3.1 车辆运动方向检测
        §5.3.2 车辆速度检测及停车判别
        §5.3.3 行人抓拍
        §5.3.4 实验结果分析
    §5.4 本章小结
第六章 总结与展望
    §6.1 总结
    §6.2 展望
参考文献
致谢
作者在攻读硕士期间的主要研究成果


【参考文献】：
期刊论文
[1]目标跟踪算法综述[J]. 孟琭,杨旭.  自动化学报. 2019(07)
[2]基于改进帧间差分与局部Camshift相结合的目标跟踪算法[J]. 周文静,陈玮.  软件导刊. 2018(03)
[3]一种新颖的基于轨迹分析和类型识别的车流量统计方法[J]. 白天,许晓珑,丁箐,叶勇,石竹.  计算机应用与软件. 2016(12)
[4]基于自适应虚拟线圈的多车道车流量检测算法[J]. 甘玲,李瑞.  计算机应用. 2016(12)
[5]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)

硕士论文
[1]视频中行人检测与跟踪方法研究[D]. 田娟娟.西安理工大学 2018
[2]区域卷积神经网络在车辆检测中的应用研究[D]. 张鹤鹤.西安理工大学 2018
[3]基于车载视频的道路车辆及行人检测[D]. 唐诗.电子科技大学 2018
[4]基于改进YOLOv2网络的遗留物检测算法研究[D]. 张俊为.浙江理工大学 2018
[5]智能视频监控中多目标跟踪算法研究及应用[D]. 张晓斌.苏州大学 2017
[6]智能交通下的车道线检测及车辆检测与跟踪技术研究[D]. 魏兆敏.河南大学 2017
[7]监控视频中多类目标检测与多目标跟踪算法研究[D]. 周纪强.哈尔滨工业大学 2017
[8]面向智能交通的恶劣天气图像增强方法研究[D]. 丁若修.沈阳工业大学 2017
[9]高速公路交通异常事件检测算法研究[D]. 隋靓.兰州交通大学 2017
[10]雾天条件下高速公路视频事件检测技术研究[D]. 周轶凡.东南大学 2017



本文编号：3733512