基于深度学习的交通视频分析系统的设计与实现

《基于深度学习的交通视频分析系统的设计与实现》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、哈尔滨工业大学工程硕士学位论文硕士学位论文(工程硕士)基于深度学习的交通视频分析系统的设计与实现THEDESIGNANDIMPLEMENTATIONOFTRAFFICVIDEOANALYSISSYSTEMBASEDONDEEPLEARNING孙黎哈尔滨工业大学2018年6月哈尔滨工业大学工程硕士学位论文国内图书分类号：TP311学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于深度学习的交通视频分析系统的设计与实现硕士研究生：孙黎导师：苏统华副教授副导师：白涛高级工程师申请学位：工程硕士学科：软件工程所在单位：软件学院答辩日期：2018年6月授

2、予学位单位：哈尔滨工业大学哈尔滨工业大学工程硕士学位论文ClassifiedIndex:TP311U.D.C:621.3DissertationfortheMaster’sDegreeinEngineeringTHEDESIGNANDIMPLEMENTATIONOFTRAFFICVIDEOANALYSISSYSTEMBASEDONDEEPLEARNINGCandidate：SunLiSupervisor：AssociateProf.SuTonghuaAssociateSupervisor:SeniorEngineerBaiTaoAcademicDegreeApplied

3、for：MasterofEngineeringSpeciality：SoftwareEngineeringAffiliation：SchoolofSoftwareDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要近年来，随着越来越多的汽车进入普通家庭，私人汽车在人们的日常占据着越来越重要的地位。同时，随着汽车数量的快速增加，与汽车相关的违法行为也越来越多，因此对于交通视频的分析成为安防领域迫切需求。随着人工智能技术的快速发展，智

4、能安防领域得到了越来越多的重视。交通视频分析作为安防领域的重要内容，也一直备受关注。早期由于技术的不成熟，复杂场景的视频结构化分析一直很难实现。但是随着深度学习的出现，使得这种大规模复杂场景的视频分析变得可能。目前，深度学习已经被广泛使用在不同领域的研究和应用中，例如图像识别、语音识别、以及自然语言理解等。交通视频结构化主要依赖于计算对于监控视频的智能分析，并从视频中提取车辆的基本信息，包括车辆的颜色、品牌、车牌等信息。提取的信息将被保存到数据库，以供后期的分析和有效信息的挖掘。交通视频结构化化的过程中，涉及车辆和车牌检测、车牌识别、车辆品牌识别以及目标跟踪等问题。本文

5、结合目前深度系学习在目标检测、OCR、图像分类的以及目标跟踪相关的最新技术，提出了一系列方法，用于解决交通视频结构化过程中需要解决的图像识别问题。同时在系统的开发过程中，开发了用于深度学习模型训练和推理的框架。针对交通视频结构化中的车辆检测和车牌检测，本文使用了基于深度卷积神经网络的一阶段快速目标检测算法。该算法结合现有的一阶段检测算法，使用IOU损失取代常用的L1损失。针对车牌字符和颜色的识别，本文结合深度卷积网络、CTC损失函数以及交叉熵，使用单个卷积神经网络完成车牌字符和颜色的识别。针对车辆颜色和属性的分类，本文使用深度卷积神经网络、focalloss以及交叉熵，

6、在单个卷积神经网络中完成车辆品牌和颜色的分类。针对多目标的车辆跟踪，本文结合检测结果和kalman滤波器，并根据多种属性对车辆轨迹进行跟踪，获得了实时的跟踪效果。同时本文开发的深度学习框架，在训练过程中使用GPU计算，推理的过程中使用GPU和AI芯片进行计算。经过实际环境的测试，本文提出的算法在目标检测方法，在车辆和车牌的检索上均取得了map超过0.9的精度；车牌字符和颜色的识别算法，测试上取得了字符98.7%和颜色99.5%的精度；车辆的品牌和颜色的识别也获得了90%和96%的精度。关键词：深度学习，交通视频分析，目标检测、车牌识别、车辆跟踪-I-哈尔滨工业大学工程硕

7、士学位论文AbstractInrecentyears,withmoreandmorecarsenteringordinaryfamilies,privatecarsoccupyanincreasinglyimportantpositioninpeople'sdailylife.Atthesametime,withtherapidincreaseofthenumberofcars,moreandmoreillegalactivitiesrelatedtothecar,sothestructuralanalysisoftrafficvideo