基于卷积神经网络的交通图像识别应用研究

《基于卷积神经网络的交通图像识别应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TP30110710-2015124089硕士学位论文基于卷积神经网络的交通图像识别应用研究刘云飞导师姓名职称崔华教授申请学位类别工学硕士学科专业名称智能交通与信息系统工程论文提交日期2018年4月2日论文答辩日期2018年6月4日学位授予单位长安大学ApplicationResearchofTrafficImageRecognitionBasedonConvolutionCeuralNetworkADissertationSubmittedfortheDegreeofMasterCandidate：LiuYunFeiSupervisor：Prof.CuiHuaChang’an

2、University，Xi’an，China摘要随着我国路网的建设，机动车保有量也在逐年增长，但机动车保有量的增长速度远大于道网建设速度，行车困难已成为国内外所面临的严重问题。准确快速地检测出道路拥堵状态，可以主动预警将要进入本路段的驾驶员避开拥堵，以免加重拥堵程度，同时也是科学制定主动交通管理决策的基础。鉴于公交车是城市居民使用最频繁的交通工具之一，对公交车内拥挤状态的准确识别可以帮助交通部门动态部署公交路线与车辆调度，有利于及时疏导道路堵塞，提高道路运行效率。高性能计算机和GPU显卡等硬件条件的发展为深度学习迎来了一个全新又广阔的发展机遇，卷积神经网络作为深度学习的核心模型，已经在

3、图像识别领域得到了成功的应用。本文基于卷积神经网络实现了对道路交通拥堵状态的识别，主要研究内容如下：（1）对深度学习图像数据库的建立进行了全面分析研究，鉴于目前没有可用的道路交通拥堵状态与公交车内拥挤状态数据库，学习网络视频图像的采集方法，建立两大场景数据库：道路交通拥堵状态数据库（50800张），公交车内拥挤状态数据库（27412张），对图像进行标签分类标注与训练集，验证集，测试集的划分，并对图像采集的因素进行分析。（2）在低分类模型Cifar上训练两大图像数据库，分析模型的网络结构、参数、介绍模型的四块分类。阐述分类器的原理，介绍模型Adam算法数学原理及其参数设置。观察训练过程，

4、分析单变量参数改变后的实验结果与超参数的作用。（3）使用适合拥堵识别的二分类模型CatsandDogsNet进行实验，介绍模型结构，在该模型基础上训练两大交通图像数据库，分析图像特征维度在模型中的变化，比较两种模型的不同点，阐述卷积层Padding和LRN的原理及作用，对部分错误的图像进行卷积层可视化与错误分析，并提出解决方法。最终基于CatsandDogsNet模型，经多次训练后对道路交通状态图像的拥堵识别的平均准确率达到98.08%，对公交车内拥挤状态图像识别的平均准确率达96.38%。关键词：道路拥堵与公交拥挤状态，图像数据库的建立，卷积神经网络，Tensorflow。iAbst

5、ractInrecentyears,withtherapidincreaseofprivatecars,difficultiesindrivinghaveoccurredfrequently,whichhasbecameamajorandurgentproblemfacedbylargeandmedium-sizedcitiesatChinaandabroad.Theaccurateandrapiddetectionofroadcongestioncanimprovetheefficiencyofroadschedulingoperationandhelpmanagerstoexcav

6、atepotentialsupplycapacityunderlimitedtrafficresources.Busisthemostfrequenttraffictoolusedbyurbanresidents.Accurateidentificationofcongestioninbusescanhelptrafficdepartmentstomaketrafficmanagementdecisionsscientificallyanddynamicallydeploydifferentnumberandrouteofvehicles.Itisconducivetotimelydr

7、edgeroadcongestion,improvetheefficiencyofroadoperation,andfacilitatetrafficdataanalysis.Thedevelopmentofhardwareconditionssuchasmulti-coreprocessors,chips,andgraphicscardshasusheredinanewandbroaddevelopmentopportunityfordeep