為解決由交通擁堵引發(fā)的一系列問(wèn)題,智能交通系統(tǒng)應(yīng)運(yùn)而生,通過(guò)實(shí)時(shí)獲取城市道路交通流量信息,并在此基礎(chǔ)上進(jìn)行智能化疏導(dǎo),從而緩解交通壓力,減少環(huán)境污染。其中關(guān)鍵技術(shù)之一就是交通流量的檢測(cè),近年來(lái),基于智能視頻檢測(cè)的方法被廣泛關(guān)注,但是圖像算法復(fù)雜度高,需要消耗較大的計(jì)算資源。因此智能交通系統(tǒng)中交通流量的檢測(cè)往往采用云計(jì)算模式,所有視頻從網(wǎng)絡(luò)邊緣端采集傳輸?shù)皆朴?jì)算中心,由云計(jì)算中心運(yùn)行圖像算法來(lái)檢測(cè)交通流量。但交通監(jiān)控視頻占用存儲(chǔ)大,網(wǎng)絡(luò)傳輸帶寬有限等問(wèn)題給智能交通系統(tǒng)實(shí)現(xiàn)高效的交通流量檢測(cè)帶來(lái)了很大挑戰(zhàn)。本文以智能交通系統(tǒng)中的交通流量檢測(cè)作為研究任務(wù),并針對(duì)交通監(jiān)控視頻中的道路環(huán)境,結(jié)合深度學(xué)習(xí)和邊緣計(jì)算技術(shù),設(shè)計(jì)并實(shí)現(xiàn)了一種將交通流量檢測(cè)任務(wù)卸載到邊緣的方法。其中具體的研究工作如下:（1）提出一種交通流量檢測(cè)任務(wù)邊緣卸載的方法。云計(jì)算中心迭代基于交通監(jiān)控視頻的深度學(xué)習(xí)類車輛檢測(cè)與車輛跟蹤算法,主要包括算法模型的訓(xùn)練以及測(cè)試。然后將訓(xùn)練好的模型遷移至邊緣智能設(shè)備Jetson TX2,并在該設(shè)備上進(jìn)一步實(shí)現(xiàn)交通流量檢測(cè)算法以完成在邊緣實(shí)時(shí)檢測(cè)交通流量的任務(wù)。（2）設(shè)計(jì)實(shí)現(xiàn)基于YOLO（Yo... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：104 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

云計(jì)算模型

作為網(wǎng)絡(luò)邊緣海量數(shù)據(jù)處理的解決方案應(yīng)運(yùn)而生。邊緣計(jì)算模型的原理圖如圖 1.3。圖1.3 邊緣計(jì)算模型圖邊緣計(jì)算要處理的數(shù)據(jù)對(duì)象包括來(lái)自云計(jì)算中心的下行數(shù)據(jù)以及來(lái)自網(wǎng)絡(luò)邊緣物聯(lián)網(wǎng)設(shè)備的上行數(shù)據(jù)，而邊緣計(jì)算所謂的邊緣指的是從數(shù)據(jù)源到云計(jì)算中心之間任意的網(wǎng)絡(luò)和計(jì)算資源，是一個(gè)連續(xù)統(tǒng)[32]。在邊緣計(jì)算模型中，云計(jì)算中心除了從數(shù)據(jù)庫(kù)獲取數(shù)據(jù)以外，也從各種傳感器和智能手機(jī)等邊緣設(shè)備處獲取數(shù)據(jù)。并且網(wǎng)絡(luò)邊緣的設(shè)備往往兼顧了數(shù)據(jù)生產(chǎn)者和數(shù)據(jù)消費(fèi)者的雙重身份。網(wǎng)絡(luò)邊緣設(shè)備在向云計(jì)算中

本文受邊緣計(jì)算技術(shù)的啟發(fā)，考慮將邊緣計(jì)算引入基于智能視頻檢測(cè)的交通流量檢測(cè)，提出了一種基于邊緣計(jì)算的智能視頻檢測(cè)模型如圖 1.4。圖1.4 基于邊緣計(jì)算的智能視頻檢測(cè)模型


本文編號(hào)：3333071