車載視頻下行人檢測與目標(biāo)跟蹤技術(shù)是智能駕駛系統(tǒng)中的重要組成部分,該技術(shù)可幫助駕駛員實(shí)時(shí)掌握車輛附近的行人及其運(yùn)動信息,提前發(fā)現(xiàn)可能出現(xiàn)交通事故的行人以保障交通安全。現(xiàn)有行人檢測與目標(biāo)跟蹤算法雖然滿足實(shí)時(shí)性要求,但是算法精度低且算法研究不能直接用于解決實(shí)際問題。同時(shí),由于行人個(gè)體差異大、運(yùn)動不規(guī)則、環(huán)境復(fù)雜和計(jì)算資源有限等內(nèi)外在因素,現(xiàn)有算法運(yùn)用于實(shí)際問題時(shí)在精確度上的表現(xiàn)仍有較大差距。在福建省重點(diǎn)科技項(xiàng)目(2017H6009)的支持下,本文在保證算法實(shí)時(shí)性的前提下,就如何提高行人檢測和目標(biāo)跟蹤的精度展開研究,并針對車載場景采用了多種方法提升算法的性能。本文的具體研究內(nèi)容如下:一、提出基于深度框架多策略優(yōu)化的行人檢測算法。在交通環(huán)境下,本文針對傳統(tǒng)行人特征魯棒性弱而導(dǎo)致的行人檢測精度低、誤檢高的問題,提出基于深度神經(jīng)網(wǎng)絡(luò)的行人檢測方法。該方法結(jié)合車載視頻和行人特點(diǎn),通過選擇規(guī)范合理的行人數(shù)據(jù)、調(diào)整深度網(wǎng)絡(luò)的結(jié)構(gòu)、優(yōu)化網(wǎng)絡(luò)輸入尺寸和行人數(shù)據(jù)擴(kuò)增這四項(xiàng)優(yōu)化策略提升深度網(wǎng)絡(luò)在車載視頻下的行人檢測性能。在車載行人數(shù)據(jù)集上實(shí)驗(yàn)表明,改進(jìn)后的深度模型行人檢測精度比原模型提升13.4%,與當(dāng)前代表性的行...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 引言
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 行人檢測研究現(xiàn)狀
        1.2.2 目標(biāo)跟蹤研究現(xiàn)狀
    1.3 存在問題及技術(shù)難點(diǎn)
    1.4 本文研究的主要內(nèi)容
    1.5 本文章節(jié)的結(jié)構(gòu)安排
    1.6 本章小結(jié)
第二章 行人檢測與目標(biāo)跟蹤相關(guān)理論
    2.1 行人檢測相關(guān)理論
        2.1.1 梯度方向直方圖
        2.1.2 滑動窗口選擇
        2.1.3 支持向量機(jī)
        2.1.4 基于HOG+SVM的行人檢測
        2.1.5 深度學(xué)習(xí)相關(guān)理論
    2.2 目標(biāo)跟蹤相關(guān)理論
        2.2.1 相關(guān)濾波基礎(chǔ)
        2.2.2 核相關(guān)濾波跟蹤算法基本原理
    2.3 本章小結(jié)
第三章 多優(yōu)化策略的深度學(xué)習(xí)行人檢測算法
    3.1 引言
    3.2 多策略優(yōu)化深度模型的行人檢測算法
        3.2.1 YOLO目標(biāo)檢測方法
        3.2.2 行人數(shù)據(jù)集選擇策略
        3.2.3 優(yōu)化網(wǎng)絡(luò)輸入尺寸
        3.2.4 尺度比例調(diào)整策略
        3.2.5 行人數(shù)據(jù)增廣策略
    3.3 行人數(shù)據(jù)集與算法性能評價(jià)標(biāo)準(zhǔn)
        3.3.1 行人數(shù)據(jù)集
        3.3.2 行人檢測算法評價(jià)標(biāo)準(zhǔn)
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 基準(zhǔn)實(shí)驗(yàn)
        3.4.2 車載行人數(shù)據(jù)集的泛化性能對比
        3.4.3 多策略提升深度模型性能
        3.4.4 深度檢測框架綜合性能對比
    3.5 本章小結(jié)
第四章 背景感知與尺度自適應(yīng)的相關(guān)濾波跟蹤算法
    4.1 引言
    4.2 背景感知和尺度自適應(yīng)的目標(biāo)跟蹤算法設(shè)計(jì)
        4.2.1 多特征融合相關(guān)濾波跟蹤器
        4.2.2 背景感知的核相關(guān)濾波器
        4.2.3 尺度自適應(yīng)跟蹤器
        4.2.4 背景感知與尺度自適應(yīng)跟蹤算法流程
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集及評價(jià)標(biāo)準(zhǔn)
        4.3.2 目標(biāo)位置跟蹤性能對比實(shí)驗(yàn)
        4.3.3 目標(biāo)尺度估計(jì)性能對比試驗(yàn)
        4.3.4 綜合性能對比實(shí)驗(yàn)
        4.3.5 跟蹤實(shí)例分析
    4.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
個(gè)人簡歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號：4046935