基于卷積神經(jīng)網(wǎng)絡(luò)的交通圖像目標(biāo)檢測(cè)研究

《基于卷積神經(jīng)網(wǎng)絡(luò)的交通圖像目標(biāo)檢測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)：密級(jí)：UDC：編號(hào)：專業(yè)碩士學(xué)位論文（工程碩士）基于卷積神經(jīng)網(wǎng)絡(luò)的交通圖像目標(biāo)檢測(cè)研究碩士研究生：于小川指導(dǎo)教師：王威遠(yuǎn)講師企業(yè)導(dǎo)師：趙鴻教授工程領(lǐng)域：機(jī)械工程論文主審人：薛開(kāi)教授哈爾濱工程大學(xué)2018年1月分類號(hào)：密級(jí)：UDC：編號(hào)：專業(yè)碩士學(xué)位論文（工程碩士）基于卷積神經(jīng)網(wǎng)絡(luò)的交通圖像目標(biāo)檢測(cè)研究碩士研究生：于小川指導(dǎo)教師：王威遠(yuǎn)講師學(xué)位級(jí)別：工程碩士學(xué)科、專業(yè)：機(jī)械工程所在單位：機(jī)電工程學(xué)院論文提交日期：2018年1月論文答辯日期：2018年3月學(xué)位授予單位：哈爾濱工程大學(xué)ClassifiedIndex:U.D.C:

2、ADissertationfortheProfessionalDegreeofMaster（MasterofEngineering）ResearchonObjectDetectioninTrafficScenebasedonConvolutionalNeuralNetworkCandidate:YuXiaochuanSupervisor:Dr.WangWeiyuanAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:MechanicalEngineeringDateofSub

3、mission:Jan.,2018DateofOralExamination:Mar.,2018University:HarbinEngineeringUniversity哈爾濱工程大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：本論文的所有工作，是在導(dǎo)師的指導(dǎo)下，由作者本人獨(dú)立完成的。有關(guān)觀點(diǎn)、方法、數(shù)據(jù)和文獻(xiàn)的引用已在文中指出，并與參考文獻(xiàn)相對(duì)應(yīng)。除文中已注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)公開(kāi)發(fā)表的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。作者（簽

4、字）：日期：年月日哈爾濱工程大學(xué)學(xué)位論文授權(quán)使用聲明本人完全了解學(xué)校保護(hù)知識(shí)產(chǎn)權(quán)的有關(guān)規(guī)定，即研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)屬于哈爾濱工程大學(xué)。哈爾濱工程大學(xué)有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件。本人允許哈爾濱工程大學(xué)將論文的部分或全部?jī)?nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文，可以公布論文的全部?jī)?nèi)容。同時(shí)本人保證畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的論文一律注明作者第一署名單位為哈爾濱工程大學(xué)。涉密學(xué)位論文待解密后適用本聲明。本論文（□在授予學(xué)位后即可□在授予學(xué)位12個(gè)月后□

5、解密后）由哈爾濱工程大學(xué)送交有關(guān)部門進(jìn)行保存、匯編等。作者（簽字）：導(dǎo)師（簽字）：日期：年月日年月日基于區(qū)域卷積網(wǎng)絡(luò)的交通圖像目標(biāo)檢測(cè)研究摘要交通場(chǎng)景感知（TrafficScenePerception，TSP）是對(duì)路面信息的實(shí)時(shí)獲取，包括三個(gè)階段：檢測(cè)感興趣目標(biāo)，感興趣目標(biāo)的檢測(cè)，運(yùn)動(dòng)目標(biāo)的跟蹤。由于檢測(cè)是識(shí)別和跟蹤的關(guān)鍵，因此，目標(biāo)的檢測(cè)算法是TSP的關(guān)鍵。本文以交通環(huán)境為檢測(cè)背景，基于RCNN的視覺(jué)檢測(cè)方法，進(jìn)行檢測(cè)區(qū)域的生成和篩選過(guò)程的優(yōu)化，以改善現(xiàn)有方法的實(shí)時(shí)性、有效性。通過(guò)檢測(cè)區(qū)域優(yōu)化，采用針對(duì)交通場(chǎng)景的數(shù)據(jù)進(jìn)行模板訓(xùn)練

6、，來(lái)進(jìn)行目標(biāo)檢測(cè)。本文通過(guò)對(duì)深度學(xué)習(xí)原理的分析，研究了卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)過(guò)程中用到的參數(shù)和函數(shù)；此外，本文在中型卷進(jìn)神經(jīng)網(wǎng)絡(luò)上進(jìn)行了改進(jìn)，改進(jìn)后的中型網(wǎng)絡(luò)的檢測(cè)速度達(dá)到17fps，在實(shí)時(shí)檢測(cè)中存在優(yōu)勢(shì)。本文對(duì)檢測(cè)區(qū)域生成算法進(jìn)行了分析和改進(jìn)。為了提高算法實(shí)時(shí)性，通過(guò)對(duì)比區(qū)域生成的各算法特點(diǎn)，結(jié)合交通環(huán)境下目標(biāo)出現(xiàn)的范圍和特點(diǎn)，通過(guò)進(jìn)行消失點(diǎn)檢測(cè)來(lái)進(jìn)行道路區(qū)域的分析和劃分，改進(jìn)了檢測(cè)區(qū)域生成算法，實(shí)現(xiàn)了有針對(duì)性的檢測(cè)區(qū)域生成。實(shí)時(shí)性測(cè)試實(shí)驗(yàn)中，改進(jìn)的檢測(cè)區(qū)域生成算法在RPN的14fps基礎(chǔ)上提高了7fps，檢測(cè)幀率達(dá)到21fps

7、，實(shí)現(xiàn)了對(duì)前向交通目標(biāo)的高實(shí)時(shí)性檢測(cè)。為了提高算法有效性，本文對(duì)檢測(cè)框篩選算法進(jìn)行了理論和實(shí)驗(yàn)分析。針對(duì)NMS檢測(cè)框篩選法的原理存在的問(wèn)題，以高斯得分加權(quán)的方式，改進(jìn)了檢測(cè)框篩選算法，改善了對(duì)被遮擋目標(biāo)的檢測(cè)效果。標(biāo)準(zhǔn)數(shù)據(jù)集的測(cè)試實(shí)驗(yàn)，驗(yàn)證了改進(jìn)的檢測(cè)框篩選算法在標(biāo)準(zhǔn)數(shù)據(jù)集上分別有1.1和1.5的mAP提升，分別達(dá)到73.2%，和70.4%。面向視覺(jué)檢測(cè)算法在自動(dòng)駕駛和機(jī)器人平臺(tái)上的應(yīng)用，進(jìn)行了實(shí)驗(yàn)和分析。將視覺(jué)目標(biāo)檢測(cè)作為環(huán)境感知的重要手段，驗(yàn)證基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法和改進(jìn)的檢測(cè)算法在車輛行駛中的感知效果；此外，搭建了移

8、動(dòng)平臺(tái)，分析本文方法在移動(dòng)平臺(tái)的環(huán)境感知方面應(yīng)用的可行性。對(duì)于嚴(yán)重遮擋，普通方法難以檢測(cè)的目標(biāo)，本文方法能以0.64的置信度檢測(cè)出來(lái)，對(duì)于不完整目標(biāo)，改進(jìn)的檢測(cè)算法能以高達(dá)0.98的置信度檢測(cè)出來(lái)，對(duì)夜間和陰影下目標(biāo)，算法也能以0.9以上的置信度檢