在智能輔助駕駛和無(wú)人駕駛系統(tǒng)中,道路目標(biāo)的檢測(cè)識(shí)別是非常重要的。隨著人工智能和深度學(xué)習(xí)的快速發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測(cè)識(shí)別領(lǐng)域取得了優(yōu)異的成績(jī),基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)道路目標(biāo)進(jìn)行檢測(cè)識(shí)別具有重要的研究?jī)r(jià)值和應(yīng)用價(jià)值。行車記錄儀視頻中的圖像包含豐富的道路信息,對(duì)視頻中的道路目標(biāo)進(jìn)行檢測(cè)識(shí)別具有重要的研究意義。本文使用深度學(xué)習(xí)的方法對(duì)行車記錄儀視頻中的道路目標(biāo)進(jìn)行檢測(cè)識(shí)別,并設(shè)計(jì)成安卓應(yīng)用軟件。為了實(shí)現(xiàn)這樣一個(gè)系統(tǒng),本文的主要工作為:1)在電腦客戶端完成對(duì)道路目標(biāo)的檢測(cè)識(shí)別,SSD目標(biāo)檢測(cè)框架是使用VGG16網(wǎng)絡(luò)作為骨干網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)識(shí)別。本文使用改進(jìn)的SSD檢測(cè)框架,VGG16網(wǎng)絡(luò)替換為MobileNet網(wǎng)路,訓(xùn)練MobileNet-SSD網(wǎng)絡(luò)模型,實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)識(shí)別。本文主要對(duì)交通標(biāo)志、騎車人、行人三類道路目標(biāo)進(jìn)行檢測(cè)識(shí)別,其中交通標(biāo)志共有105類,本文選取常見的10類進(jìn)行識(shí)別。2)由于行車記錄儀視頻中的圖像比較模糊,清晰度不高,影響了道路目標(biāo)的識(shí)別效果。本文使用Scale-recurrent網(wǎng)絡(luò)對(duì)原始圖像進(jìn)行去模糊處理,并標(biāo)注去模糊之后的圖片用于網(wǎng)絡(luò)訓(xùn)練,得到新的MobileN... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LeNet-5網(wǎng)絡(luò)的結(jié)構(gòu)

第二章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢測(cè)算法像卷積操作如下圖所示，輸入矩陣大小為 5×5，卷積核的大小為 3×3，步積操作，輸出矩陣大小 3×3。輸入的矩陣為2 1 0 2 39 5 4 2 02 3 4 5 61 2 3 1 00 4 4 2 8 ，卷積核 1 1 1 ，輸出的矩陣為-5 0 1-1 -1 -58 -1 3 。

圖 2-5 下采樣運(yùn)算過程基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法自從 AlexNet 贏得 2012 年 ImageNet 競(jìng)賽以來(lái)，便引發(fā)了 CNN 在圖像分類應(yīng)用中的，使卷積神經(jīng)網(wǎng)絡(luò)成為圖像分類領(lǐng)域的核心算法。在一個(gè)端到端的卷積神經(jīng)網(wǎng)絡(luò)模，實(shí)現(xiàn)對(duì)目標(biāo)的特征提取，分類識(shí)別�；诰矸e神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法有兩類是基于候選區(qū)域的檢測(cè)算法，主要是 RCNN 系列的目標(biāo)檢測(cè)，另外一類是基于回歸測(cè)算法，主要是 YOLO、SSD 系列的檢測(cè)算法。1 基于候選區(qū)域的檢測(cè)算法RCNN區(qū)域卷積神經(jīng)網(wǎng)絡(luò) RCNN[16]（Regions with CNN）融合了卷積神經(jīng)網(wǎng)絡(luò)和目標(biāo)檢測(cè)，

【參考文獻(xiàn)】：
期刊論文
[1]朱佳俊:谷歌自動(dòng)駕駛技術(shù)最新相關(guān)進(jìn)展[J]. 劉春曉.  汽車縱橫. 2016(05)
[2]一種基于幀差法與背景減法的運(yùn)動(dòng)目標(biāo)檢測(cè)新方法[J]. 高凱亮,覃團(tuán)發(fā),王逸之,常侃.  電訊技術(shù). 2011(10)
[3]基于局部特征的目標(biāo)識(shí)別技術(shù)研究[J]. 曹健,王武軍,韓飛,劉玉樹.  計(jì)算機(jī)工程. 2010(10)
[4]一種基于顏色特征的目標(biāo)識(shí)別算法[J]. 楊莉,杜艷紅,隋金雪,郭玉剛.  微計(jì)算機(jī)信息. 2007(15)
[5]一種快速模板匹配目標(biāo)識(shí)別算法[J]. 王強(qiáng),宋京民,胡建平,邱忠文.  計(jì)算機(jī)工程與應(yīng)用. 2000(06)

碩士論文
[1]基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法研究及應(yīng)用[D]. 萬(wàn)維.電子科技大學(xué) 2015



本文編號(hào)：2964389