伴隨著無人駕駛領(lǐng)域的快速發(fā)展,安全防撞技術(shù)成為當(dāng)前研究的核心課題。應(yīng)用計算機(jī)視覺技術(shù)采集前方車輛或者障礙物的運(yùn)動參數(shù),以實現(xiàn)車輛防撞是目前性價比最高的無人駕駛方案。采用卷積神經(jīng)網(wǎng)絡(luò)在車輛目標(biāo)檢測與跟蹤方向可以保證目標(biāo)檢測的高準(zhǔn)確率,然而神經(jīng)網(wǎng)絡(luò)算法對硬件資源需求很高,并且高性能的硬件體積都很大,價格上也很昂貴,應(yīng)用于汽車移動環(huán)境有很多不便之處。針對上述問題,本文采用小型嵌入式系統(tǒng)實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動車輛檢測與跟蹤,來解決資源不足的問題。通過改進(jìn)神經(jīng)網(wǎng)絡(luò)算法降低硬件資源消耗,優(yōu)化算法性能,滿足實時車輛檢測與跟蹤的需求。本論文主要研究內(nèi)容如下:1.針對運(yùn)動車輛的檢測提出符合嵌入式平臺的算法,使用SSD算法作為檢測模型的主要框架,使用輕量級Mobilenet V2算法作為改進(jìn)框架,大幅度提升檢測速度。2.針對車輛跟蹤部分,使用SORT算法作為跟蹤核心算法,其中使用數(shù)據(jù)關(guān)聯(lián)的方法,將車輛檢測與車輛跟蹤技術(shù)結(jié)合起來,最終實現(xiàn)在嵌入式端實時的車輛檢測與跟蹤。3.針對嵌入式開發(fā),本文采用RK-3399芯片進(jìn)行車輛檢測與跟蹤系統(tǒng)搭建,其中將車輛檢測與跟蹤算法所需要的框架和庫移植到嵌入式端,最終完成實... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)

杭州電子科技大學(xué)碩士學(xué)位論文19()()G=VG,EG可以分成兩個子圖A=V(A),E(A)和B=V(B),E(B)，滿足以下條件的“匹配”是一組邊，其中兩個邊都不具有相同的頂點。()()===ABABGEE(2.19)最大匹配圖是指在所有匹配圖中具有最大數(shù)量的匹配邊的圖。匈牙利算法是對二分圖的最大匹配算法。下列該圖簡要說明了匈牙利算法。圖2.6匈牙利算法2.3.4基于MOT的車輛跟蹤的相關(guān)概念（1）Trajectory：下圖顯示了目標(biāo)跟蹤算法的輸出。第一個數(shù)字每行中的表示幀ID，第二個值表示跟蹤ID。的第三個和第四個數(shù)字表示上方邊界框的頂點坐標(biāo)左上角。第五和第六個數(shù)字代表邊界框的高度和寬度。

杭州電子科技大學(xué)碩士學(xué)位論文20圖2.7單一目標(biāo)跟蹤的輸出MOT算法[50]為每個跟蹤對象分配一個唯一ID，并且唯一ID對應(yīng)到一條軌跡。如下圖所示，邊界中心的坐標(biāo)可以通過左上角頂點和寬度和高度來獲得方框。通過對齊中心點成線，就可以形成軌跡。圖2.8MOT目標(biāo)跟蹤的輸出（2）IDSWITCH：理想情況下，多目標(biāo)跟蹤算法將唯一的ID分配給特定的對象。然而，由于某些因素的影響，ID切換通常會發(fā)生。例如目標(biāo)在某個幀中失去跟蹤，并在接下來的幾幀中重新跟蹤該對象將被分配一個新的唯一ID。ID切換的原因很多，其中包括如下：1.識別算法的準(zhǔn)確性不夠，在某些情況下會導(dǎo)致一些錯誤視頻鄭2.數(shù)據(jù)關(guān)聯(lián)算法的準(zhǔn)確性不夠。3.重疊將大大增加ID切換發(fā)生的可能性，這將使同時改善識別算法和數(shù)據(jù)關(guān)聯(lián)的錯誤算法。2.4本章小結(jié)本章節(jié)主要從目標(biāo)的檢測和目標(biāo)的跟蹤兩方面基本算法進(jìn)行介紹，目標(biāo)的檢測介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本區(qū)域模型，包括R-CNN和由它作為基礎(chǔ)發(fā)展的Fast-RCNN、Faster-R-CNN。介紹其中的原理，并引出了現(xiàn)今在實時性目標(biāo)檢測應(yīng)用最廣且性能最好的YOLO算法和SSD算法，比較其中的性能，本論文選擇SSD算法作為改進(jìn)算法的基礎(chǔ)，不僅因為其性能的優(yōu)點，并且其在第四章引出的MobilenetV2框架契合性最好。此外還介紹了目標(biāo)跟蹤模型。主要介紹了IOU、Kalman濾波跟蹤算法、匈牙利算法和MOT跟蹤算法為第三章SSD-MobilenetV2算法和第四章SORT跟蹤算法做下基礎(chǔ)準(zhǔn)備。

【參考文獻(xiàn)】：
期刊論文
[1]智能無人系統(tǒng)最新研究和應(yīng)用綜述[J]. 崔娟娟,趙鵬,馬文靜,杜輝.  電子世界. 2019(18)
[2]基于內(nèi)容的儀器儀表圖像檢索系統(tǒng)[J]. 伍代民,陶斯超,嚴(yán)佩敏,朱秋煜.  電子測量技術(shù). 2019(11)
[3]基于卡爾曼濾波和多種信息融合的在線多目標(biāo)跟蹤算法[J]. 陳志鴻,黃立勤.  信息通信. 2019(03)
[4]多尺度卷積特征融合的SSD目標(biāo)檢測算法[J]. 陳幻杰,王琦琦,楊國威,韓佳林,尹成娟,陳雋,王以忠.  計算機(jī)科學(xué)與探索. 2019(06)
[5]基于多特征融合的顯著性目標(biāo)檢測算法[J]. 張守東,楊明,胡太.  計算機(jī)科學(xué)與探索. 2019(05)
[6]目標(biāo)檢測算法研究綜述[J]. 方路平,何杭江,周國民.  計算機(jī)工程與應(yīng)用. 2018(13)
[7]基于深度堆疊卷積神經(jīng)網(wǎng)絡(luò)的圖像融合[J]. 藺素珍,韓澤.  計算機(jī)學(xué)報. 2017(11)
[8]基于邊緣自適應(yīng)的Mean Shift目標(biāo)跟蹤方法[J]. 周楊,胡桂明,黃東芳.  電子技術(shù)應(yīng)用. 2017(05)
[9]基于光流法的運(yùn)動目標(biāo)檢測與跟蹤算法[J]. 肖軍,朱世鵬,黃杭,謝亞男.  東北大學(xué)學(xué)報(自然科學(xué)版). 2016(06)
[10]基于時變量測方差的多傳感器多目標(biāo)優(yōu)化分配算法[J]. 方余瑜,左燕,谷雨,薛安克.  火力與指揮控制. 2015(04)

博士論文
[1]中心城市公眾出行交通動態(tài)信息采集、處理及共享技術(shù)研究[D]. 李昊.西南交通大學(xué) 2007



本文編號：3607028