隨著經(jīng)濟(jì)水平提高,國內(nèi)汽車保有量也不斷增加。汽車給人們出行提供了便利的同時,道路事故頻發(fā)造成的問題日益引起人們的關(guān)注。根據(jù)科研文獻(xiàn)表明,事故發(fā)生前對駕駛員發(fā)出警告可以有效地降低事故發(fā)生率。因此以防碰預(yù)警系統(tǒng)為代表的高級駕駛輔助系統(tǒng)對于降低事故發(fā)生率、提高行車安全顯得尤為重要。而計算機(jī)視覺憑借著低成本、豐富信息量等優(yōu)點擔(dān)負(fù)起了感知環(huán)境的重任。本課題基于計算機(jī)視覺技術(shù)研究并實現(xiàn)車輛檢測與車型識別、視覺測距系統(tǒng)。運用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)車輛檢測與車型識別、基于數(shù)據(jù)擬合建模的前車車距測量模型。論文所做主要工作如下:基于YOLOv2目標(biāo)檢測模型改進(jìn)的車型識別系統(tǒng)。在建立的車型識別數(shù)據(jù)集上,將車輛類型分為Car、Bus、Truck三類。通過K均值聚類確定本數(shù)據(jù)集的Anchor尺寸。改進(jìn)YOLOv2目標(biāo)檢測框架網(wǎng)絡(luò)結(jié)構(gòu),將密集連接網(wǎng)絡(luò)DenseNet-121替換原Darknet-19網(wǎng)絡(luò)作為改進(jìn)模型的特征提取模塊。改進(jìn)后的YOLOv2-DenseNet網(wǎng)絡(luò)較原YOLOv2的mAP提升了 1.36個百分點。針對One Stage的車型識別系統(tǒng)中正負(fù)樣本不均衡問題,通過Focal Loss優(yōu)化損失函數(shù)。在定... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

智能車輛傳感器布置圖

美國NavLab1

意大利ARGO系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識別方法[J]. 袁公萍,湯一平,韓旺明,陳麒.  浙江大學(xué)學(xué)報(工學(xué)版). 2018(04)
[2]車輛識別技術(shù)綜述[J]. 張強(qiáng),李嘉鋒,卓力.  北京工業(yè)大學(xué)學(xué)報. 2018(03)
[3]Faster-RCNN的車型識別分析[J]. 桑軍,郭沛,項志立,羅紅玲,陳欣.  重慶大學(xué)學(xué)報. 2017(07)
[4]基于Fast R-CNN的車輛目標(biāo)檢測[J]. 曹詩雨,劉躍虎,李辛昭.  中國圖象圖形學(xué)報. 2017(05)
[5]基于NI EVS和PXI的機(jī)器視覺駕駛輔助系統(tǒng)開發(fā)技術(shù)研究[J]. 高鋒,黃賽賽,李希鵬.  國外電子測量技術(shù). 2016(02)
[6]基于雙目立體視覺的目標(biāo)測距系統(tǒng)[J]. 沈彤,劉文波,王京.  電子測量技術(shù). 2015(04)
[7]基于三幀差法和交叉熵閾值法的車輛檢測[J]. 李秋林,何家峰.  計算機(jī)工程. 2011(04)
[8]美國公路交通安全的新焦點[J]. 榮德.  綜合運輸. 2005(08)
[9]現(xiàn)代汽車的四種測距方法[J]. 鐘勇,姚劍峰.  汽車工業(yè)研究. 2001(02)
[10]日本ASV安全汽車的技術(shù)研究動向[J]. 黃智偉,李富英.  世界產(chǎn)品與技術(shù). 1997(03)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的車型識別設(shè)計與實現(xiàn)[D]. 石維康.西安電子科技大學(xué) 2018
[2]基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的車型識別[D]. 王亞敏.鄭州大學(xué) 2017
[3]基于單目視覺的前向車輛檢測、跟蹤與測距[D]. 趙軒.北京工業(yè)大學(xué) 2017
[4]基于視頻的車輛信息提取與檢索技術(shù)研究[D]. 宋嘉冀.東南大學(xué) 2017
[5]基于智能終端的車輛碰撞預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)[D]. 劉媛媛.南京理工大學(xué) 2017
[6]基于車路協(xié)同的車輛追尾預(yù)警系統(tǒng)的研究與實現(xiàn)[D]. 景首才.長安大學(xué) 2016



本文編號：3084133