基于卷积神经网络图像识别的交通流量信息采集终端的设计与实现

《基于卷积神经网络图像识别的交通流量信息采集终端的设计与实现》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、学校代码：10286分类号：TN431密级：公开UDC：621.3学号：163724工程硕士学位论文基于卷积神经网络图像识别的交通流量信息采集终端的设计与实现（学位论文形式：应用研究）研究生姓名：范雪梅导师姓名：刘昊副教授虞建立高工申请学位类别工程硕士学位授予单位东南大学工程领域名称软件工程论文答辩日期2018年6月22日研究方向微电子学位授予日期20年月日答辩委员会主席李祖华评阅人李祖华陈莹梅2018年6月日硕士学位论文基于卷积神经网络图像识别的交通流量信息采集终端的设计与实现专业名称：软件工程研究生姓名：范雪梅导师姓名：刘

2、昊副教授虞建立高工DESIGNANDIMPLEMENTATIONOFTRAFFICFLOWINFORMATIONACQUISITIONTERMINALBASEDONCONVOLUTIONNEURALNETWORKIMAGERECOGNITIONAThesisSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYFANXuemeiSupervisedbyA/Prof.LiuHaoandSeniorEngineerYUJian-liScho

3、olofSoftwareSoutheastUniversityJune2018东南大学学位论文独创性声明本人声明所呈交的学位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。研究生签名：日期：东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆、《中国学术期刊（光盘版）

4、》电子杂志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研究生院办理。研究生签名：导师签名：日期：摘要摘要随着社会交通运输行业的快速发展，人们对城市交通管理的需求也越来越多。传统的波式或磁式交通流量检测技术在检测范围、检测

5、精度和可扩展性等方面的不足日益突显。计算机视频交通流量检测技术可基于云端实现高性能的图像处理，但是又存在成本昂贵、安装和维护难度高等弊端。针对以上问题，本文将嵌入式物联网技术和人工智能机器学习相结合，设计并实现了基于卷积神经网络图像识别的交通流量信息采集终端。基于低成本的FPGA，采用YOLO（YouOnlyLookOnce）快速目标检测算法，针对交通流量目标检测对小目标检测精度要求相对较低及系统较高的实时性需求特点，设计了精简的重检抑制机制和并行度为64的卷积计算硬件加速器，并对YOLO的网络结构进行了优化改进设计，实现了行

6、人、机动车和非机动车三分类的交通流量信息采集。通过NB-IoT（NarrowBandInternetofThings,窄带物联网）无线通信模组，将终端所采集到的流量信息定时传输到云端控制台，辅助智能交通系统完成智能化管理和控制。本文基于低成本的ZYNQ-7000系列片上可编程系统开发平台，以PASCALVOC2012为网络训练数据集，采用软硬件协同开发方式完成了系统的设计和实现。对分辨率为640*480Piexl的路况视频图像能够达到查全率为92.67%、查准率为98.72%、检测速度为13.5f/s的交通流量目标检测效果，达

7、到了预期的指标，满足了交通流量检测准确度和速度需求。为智能交通流量监测提供了一种成本低、扩展性强可灵活部署的可选手段，具有广阔的市场应用前景。关键词：卷积神经网络，YOLO算法，卷积计算加速器IAbstractAbstractWiththerapiddevelopmentofthetransportationindustry,peopleareincreasinglydemandingurbantrafficmanagement.Thetraditionalwaveormagnetictrafficflowdetectiont

8、echnologyhasbecomeincreasinglyprominentintheareasofdetectionrange,accuracy,andscalability.Computervideotrafficflowdetectiontechnologycanre