發(fā)布時間：2025-05-20 05:39

　　車載視頻下行人檢測與目標跟蹤技術是智能駕駛系統(tǒng)中的重要組成部分,該技術可幫助駕駛員實時掌握車輛附近的行人及其運動信息,提前發(fā)現(xiàn)可能出現(xiàn)交通事故的行人以保障交通安全�，F(xiàn)有行人檢測與目標跟蹤算法雖然滿足實時性要求,但是算法精度低且算法研究不能直接用于解決實際問題。同時,由于行人個體差異大、運動不規(guī)則、環(huán)境復雜和計算資源有限等內外在因素,現(xiàn)有算法運用于實際問題時在精確度上的表現(xiàn)仍有較大差距。在福建省重點科技項目(2017H6009)的支持下,本文在保證算法實時性的前提下,就如何提高行人檢測和目標跟蹤的精度展開研究,并針對車載場景采用了多種方法提升算法的性能。本文的具體研究內容如下:一、提出基于深度框架多策略優(yōu)化的行人檢測算法。在交通環(huán)境下,本文針對傳統(tǒng)行人特征魯棒性弱而導致的行人檢測精度低、誤檢高的問題,提出基于深度神經(jīng)網(wǎng)絡的行人檢測方法。該方法結合車載視頻和行人特點,通過選擇規(guī)范合理的行人數(shù)據(jù)、調整深度網(wǎng)絡的結構、優(yōu)化網(wǎng)絡輸入尺寸和行人數(shù)據(jù)擴增這四項優(yōu)化策略提升深度網(wǎng)絡在車載視頻下的行人檢測性能。在車載行人數(shù)據(jù)集上實驗表明,改進后的深度模型行人檢測精度比原模型提升13.4%,與當前代表性的行...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 引言
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 行人檢測研究現(xiàn)狀
        1.2.2 目標跟蹤研究現(xiàn)狀
    1.3 存在問題及技術難點
    1.4 本文研究的主要內容
    1.5 本文章節(jié)的結構安排
    1.6 本章小結
第二章 行人檢測與目標跟蹤相關理論
    2.1 行人檢測相關理論
        2.1.1 梯度方向直方圖
        2.1.2 滑動窗口選擇
        2.1.3 支持向量機
        2.1.4 基于HOG+SVM的行人檢測
        2.1.5 深度學習相關理論
    2.2 目標跟蹤相關理論
        2.2.1 相關濾波基礎
        2.2.2 核相關濾波跟蹤算法基本原理
    2.3 本章小結
第三章 多優(yōu)化策略的深度學習行人檢測算法
    3.1 引言
    3.2 多策略優(yōu)化深度模型的行人檢測算法
        3.2.1 YOLO目標檢測方法
        3.2.2 行人數(shù)據(jù)集選擇策略
        3.2.3 優(yōu)化網(wǎng)絡輸入尺寸
        3.2.4 尺度比例調整策略
        3.2.5 行人數(shù)據(jù)增廣策略
    3.3 行人數(shù)據(jù)集與算法性能評價標準
        3.3.1 行人數(shù)據(jù)集
        3.3.2 行人檢測算法評價標準
    3.4 實驗結果與分析
        3.4.1 基準實驗
        3.4.2 車載行人數(shù)據(jù)集的泛化性能對比
        3.4.3 多策略提升深度模型性能
        3.4.4 深度檢測框架綜合性能對比
    3.5 本章小結
第四章 背景感知與尺度自適應的相關濾波跟蹤算法
    4.1 引言
    4.2 背景感知和尺度自適應的目標跟蹤算法設計
        4.2.1 多特征融合相關濾波跟蹤器
        4.2.2 背景感知的核相關濾波器
        4.2.3 尺度自適應跟蹤器
        4.2.4 背景感知與尺度自適應跟蹤算法流程
    4.3 實驗結果與分析
        4.3.1 數(shù)據(jù)集及評價標準
        4.3.2 目標位置跟蹤性能對比實驗
        4.3.3 目標尺度估計性能對比試驗
        4.3.4 綜合性能對比實驗
        4.3.5 跟蹤實例分析
    4.4 本章小結
總結與展望
參考文獻
致謝
個人簡歷、在學期間的研究成果及發(fā)表的學術論文



本文編號：4046935