智能交通系統(tǒng)（Intelligent Transportation System,ITS）是旨在充分利用先進的信息技術(shù)、傳感器技術(shù)、人工智能技術(shù)等實現(xiàn)實時、高效、準確的綜合交通運輸及管理系統(tǒng)。其中一個關鍵的技術(shù)環(huán)節(jié)是車輛目標跟蹤。車輛目標跟蹤利用人工智能及圖像分析技術(shù)對車輛進行跟蹤,不僅能夠節(jié)省安裝雷達等其他跟蹤設備的成本,還能為后續(xù)車流量檢測等高級任務提供數(shù)據(jù)。但是,由于車輛之間的外觀擁有極高相似性,以及擁擠車流造成車輛之間不同程度的遮擋,使得車輛跟蹤一直存在準確率低的問題。同時,大多數(shù)結(jié)合人工智能的目標跟蹤算法都依賴于高性能的硬件設備,而在智能交通系統(tǒng)中更多是由大量嵌入式設備組成,所以目前存在的算法并不適合直接應用于功耗受限的嵌入式設備。為了提高跟蹤準確率,確保在實際復雜監(jiān)控場景中具有更好的效果,探索在嵌入式設備上實現(xiàn)車輛跟蹤算法的可行性,本文進行了以下研究:1.當前主流的車輛跟蹤技術(shù)通常采用基于檢測的跟蹤策略。這種跟蹤策略存在的一個主要問題是目標檢測器的性能有限,從而在車輛檢測過程中會產(chǎn)生噪聲。本文提出一種基于孿生神經(jīng)網(wǎng)絡和反向預測驗證的車輛實時跟蹤方法。該方法主要分為前向位置預... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)外車輛檢測算法技術(shù)研究現(xiàn)狀
        1.2.2 國內(nèi)外跟蹤算法技術(shù)研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 主要研究內(nèi)容
        1.3.2 組織結(jié)構(gòu)
第2章 研究基礎理論
    2.1 車輛檢測
        2.1.1 傳統(tǒng)目標檢測
        2.1.2 深度學習目標檢測
    2.2 深度學習相關技術(shù)基礎
        2.2.1 卷積神經(jīng)網(wǎng)絡基本結(jié)構(gòu)
        2.2.2 損失函數(shù)和反向傳播
        2.2.3 卷積神經(jīng)網(wǎng)絡基本網(wǎng)絡模型
    2.3 目標跟蹤
        2.3.1 初始化方法
        2.3.2 數(shù)據(jù)關聯(lián)
        2.3.3 跟蹤方法
    2.4 評估指標
        2.4.1 精確率和召回率
        2.4.2 P-R曲線和平均精確率
        2.4.3 CLEAR-MOT指標及UA-DETRAC指標
    2.5 本章小結(jié)
第3章 基于孿生神經(jīng)網(wǎng)絡和反向預測的車輛跟蹤算法
    3.1 引言
    3.2 Siam IOU車輛跟蹤算法
        3.2.1 前向位置預測
        3.2.2 反向預測驗證
        3.2.3 包圍框的加權(quán)融合
    3.3 實驗分析
        3.3.1 UA-DETRAC數(shù)據(jù)集
        3.3.2 MOT17數(shù)據(jù)集
        3.3.3 算法消融實驗
    3.4 本章小結(jié)
第4章 基于JetsonTX1 嵌入式平臺的車輛跟蹤系統(tǒng)實現(xiàn)
    4.1 JetsonTX1GPU處理平臺介紹
    4.2 車輛跟蹤系統(tǒng)設計
        4.2.1 車輛檢測模塊設計
        4.2.2 車輛跟蹤模塊設計
    4.3 車輛跟蹤系統(tǒng)實現(xiàn)
        4.3.1 JetsonTX1 系統(tǒng)配置與環(huán)境搭建
        4.3.2 JetsonTX1 編譯檢測模塊
        4.3.3 JetsonTX1 編譯跟蹤模塊
        4.3.4 簡易車輛目標跟蹤系統(tǒng)界面設計
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來研究展望
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]基于YOLO算法的車輛實時檢測[J]. 王宇寧,龐智恒,袁德明.  武漢理工大學學報. 2016(10)
[2]基于背景差分法的視頻目標檢測算法研究[J]. 汪國強,蓋琪琳,于懷勇,文雪,任天威.  黑龍江大學工程學報. 2014(04)
[3]基于幀間差分的自適應運動目標檢測方法[J]. 薛麗霞,羅艷麗,王佐成.  計算機應用研究. 2011(04)
[4]視覺跟蹤技術(shù)綜述[J]. 侯志強,韓崇昭.  自動化學報. 2006(04)

碩士論文
[1]基于改進光流場目標檢測跟蹤系統(tǒng)的設計[D]. 孫娟.安徽理工大學 2017
[2]智能監(jiān)視中目標檢測及跟蹤算法研究[D]. 侯暢.中國科學技術(shù)大學 2017
[3]特征匹配與目標跟蹤算法的研究[D]. 陳潔.南京郵電大學 2016
[4]基于視頻的車流量檢測[D]. 夏永祥.蘭州理工大學 2016
[5]智能交通監(jiān)控中的視頻處理方法與系統(tǒng)[D]. 秦為帥.東南大學 2015
[6]基于光流法的車輛檢測與跟蹤[D]. 王效文.江蘇科技大學 2015
[7]基于視頻圖像處理的智能交通監(jiān)控系統(tǒng)研究與設計[D]. 閻克棟.中國科學院大學（工程管理與信息技術(shù)學院） 2014



本文編號：3187462