基于视频图像的车辆检测跟踪及行为识别研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:chier00
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我国高速公路路网规模和布局不断完善,极大地方便了人们的出行,但由于高速公路流量大、车速快、大车比例高、存在异常驾驶行为等原因,也使得高速公路交通事故的严重程度远远高于普通道路。因此,对车辆进行检测跟踪,及时监测车辆状态,对于保证高速公路运行安全和运营效率具有重要意义。高速公路主要路段全程监控设备的布设及计算机视觉技术日新月异的发展,为处理监控视频图像提供了数据基础和技术支撑。本文以高速公路监控视频图像为对象,展开基于深度学习算法的车辆检测跟踪及行为识别研究,主要研究内容如下:(1)构建了基于高速公路监控视频的车辆图像样本库。首先,依据车辆外观特征将车辆分为3类:Car(小客车、商务车、小面包车等)、Bus(大巴车、中巴车等)、Truck(货车、卡车、拖车等),提出半自动标注方法,完成58358个车辆目标的矩形框标注,并按照各类车辆数量合理划分数据集,保证训练集、验证集和测试集各类别数量分布的一致性,完成车辆检测数据集制作;然后,选择Ve Ri776车辆重识别数据集,用于提升跟踪算法对于车辆外观特征的辨别能力;接着,制作总计13080帧的高速公路多个角度跟踪评估数据集,用于评估实际的跟踪效果。(2)构建了基于YOLOv5网络的车辆检测优化模型。首先,针对网络结构优化,设计了一种更高效的CG3瓶颈结构,同时增加了检测头部的P2尺度层;然后,引入ECA注意力机制,提高检测模型对于重点特征的提取能力;接着,针对数据集中车辆类别数量不均衡的问题,提出一种Class-Weighted Mosaic数据增强方法。经过上述优化手段,车辆检测模型在测试集m AP50指标和m AP50:95指标分别由0.928和0.7提升到了0.963和0.76。(3)建立了基于Deep Sort算法的多车跟踪优化模型。首先,针对Deep Sort中外观特征提取网络对车辆特征辨别能力差的问题,提出使用Resnet18替换原有网络,并引入三元组损失约束网络输出特征,将外观特征提取网络在车辆重识别Ve Ri776数据集的m AP和m INP分别提高到0.729、0.327;然后,针对高速公路车辆跟踪场景,调整匹配算法参数,提升多车跟踪模型的运行速度和跟踪稳定性。(4)设计开发了基于高速公路监控视频的车辆轨迹跟踪及车辆行为识别系统。首先,提出道路参数获取及车辆停止、逆行、违章变道行为识别的方法;然后设计开发系统界面及后台处理模块,该系统可实现以平均25fps的速度实时自动检测跟踪车辆,同时统计当前画面的车辆数和平均速度,检测车辆行为并记录事件发生帧数和车辆ID;最后,利用新元高速监控视频进行测试,验证系统的跟踪效果和实时性。
其他文献
随着能源形势的日益严峻和环境污染问题的日益突出,针对船用柴油机提出的各项法规也越来越严格,促使船用柴油机向着高效率低污染的方向发展,降低船用柴油机排放,同时保证柴油机的动力性和经济性显得十分重要。由于电控高压共轨、米勒循环、废气再循环(EGR)和掺水燃烧技术在降低柴油机NOx排放方面有着巨大的潜力和明显的优势,而且它们均具有低温燃烧的特点,因此本文选择这四项技术以及它们之间相互结合进行研究。找到能
学位
学位
学位
学位
学位
冶金生产过程涉及多种固体化学反应,方解石分解作为最基础的固体反应之一被广泛研究。目前,对方解石分解过程的认识源于实验过程的表观动力学数据,但由于实验过程易受外界环境影响,导致表观活化能偏差很大。不仅如此,基于化学反应计量关系式得到的表观动力学难以表征分解过程的结构信息,对于多步反应也无法合理的分配每一步的贡献。因此,利用冶金物理化学的原理和方法,本论文首次提出用电化学方法对方解石分解过程的界面层结
学位
学位
目标检测作为现今计算机视觉的基础任务之一,近年来受到了人们广泛的关注,诸如图像标注、动作识别、人脸识别和视频分割等领域都对其十分依赖。现如今,一种以卷积神经网络作为特征提取方法的目标检测算法逐渐成为了当今的主流算法。其中,YOLOv5算法更是凭借其出色的表现被大家所一致认可。然而现实场景复杂多变,YOLOv5在一些场景下也会存在误检,导致准确率下降。因此,设计一种检测性能更好的模型成为了一项挑战。