街景视频中的运动车辆检测

论文总字数：26679字

摘 要

在科技的飞速发展下，机动车越来越普遍，由此带来的交通安全问题也日益恶化。近些年来，不同的系统被设计出来，试图结合实时情况给驾驶员或者交通部门提供可靠的实时建议从而避免悲剧发生。

但无论是什么措施，都需要提前得到道路上车辆的数量或位置信息。因为交通和车载摄像头的普及，图像信号则成为目前获取信息最佳的渠道。在这种背景下，本文的目的是设计出能实际运用的街景视频车辆检测系统，提供有用的街道车辆信息。

通过对各个图像检测算法进行调研，本文最终采用Faster R-CNN算法来完成车辆检测任务。根据设计需要，研究算法结构，针对模型特点和实际情况提出了相应的检测策略，选取和处理得到合适的数据集，完成了检测模型的训练。

最后，本文进行测试与分析，测试内容包括训练时间，检测时间和检测准确率，测试得到了最高90%的平均精度均值。同时也对不同条件下（不同的遮挡情况，不同的光照环境等等）的模型检测效果进行分析评估，得到模型优缺点，并针对模型检测时间过长的问题提出了进一步的改进方案。

关键词：物体检测，卷积网络，深度学习，候选区域

ABSTRACT

As the amazing development of the technology, cars and other vehicle are becoming moreand more, leading to serious traffic problem. Recent years. Combined with real-time condition many systems are designed to provide useful real-time information for drivers and related institution, so they are able to prevent the tragedy happening.

However, whatever meature you take, you always need to gather the vehicle information, such as location and number, in the street. And image signal stands out of and become the optimal approach for gathering information, for traffic and car cameras are everywhere. Under this circumstance, this paper is to design a vehicle detection system on the street video that can provide vehicle information, and it can be used in practice.

After studying many distinct image detection algorithm, we choose the Faster R-CNN algorithm to accomplish the mission. What’s more, this paper discusses the algorithm structure, come up with the corresponding detection strategy in the reality based on features of algorithm, pick and preprocess the appropriate samples to form the dataset and finish training the detection model.

Next, this paper tests and analyzes the detection system, morespecific, we get the training time, detection time and accuracy, as for the detection accuracy, model performs well by achieving 90% mAP. Then we analyze and evaluate the model in different conditions, including shelter condition, different illuminationcondition, etc. And by summarizing all we haveanalyzed, advantages and disadvantages of the model will be obtained. Lastly, this paper comes up with some improvement schemes for the long detection time problem.

KEYWORDS: object detection, convolutional network, deep learning, proposal region

目 录

摘要 I

ABSTRACT II

第1章 绪论 1

1.1 课题研究背景及意义 1

1.2 国内外研究情况及发展趋势 3

1.3 论文的研究工作 4

1.3.1 论文的研究内容和目标 4

1.3.2 论文的组织结构 5

第2章 数据预处理 6

2.1 制作数据集 6

2.1.1 GRAZ-02数据集 6

2.1.2 样本标记 6

2.1.3 样本分类 7

2.2 图像预处理 8

2.2.1 图像增强 8

2.2.2 数据增广（Data Augmentation） 9

2.3 本章小结 9

第3章 检测模型 10

3.1 Faster R-CNN结构 10

3.1.1 总体结构 10

3.1.2 候选区域网络 10

3.2 Faster R-CNN训练 13

3.3 总结 14

第4章 模型实现 15

4.1 配置要求与开发环境 15

4.1.1 Caffe和CUDA 15

4.2 配置要求 15

4.3 操作细节 15

4.3.1 参数设置 15

4.3.2 分区检测 16

4.3.3 去冗余帧 17

4.4 总结 17

第5章 测试与分析 18

5.1 测试 18

5.1.1 测试度量 18

5.1.2 测试结果 18

5.2 分析 20

5.2.1 一般场景 20

5.2.2 黑夜 21

5.2.3 遮挡 22

5.2.4 多尺度 23

5.2.5 检测时间 23

5.2.6 视频检测 24

5.3 总结 26

第6章 总结与未来展望 27

6.1 总结 27

6.1.1 达标情况 27

6.1.2 优缺点 27

6.2 未来展望 27

参考文献 28

东南大学毕业（设计）论文独创性声明

本人声明所呈交的毕业（设计）论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

剩余内容已隐藏，请支付后下载全文，论文总字数：26679字