基于卷积神经网络的交通图像目标检测研究

《基于卷积神经网络的交通图像目标检测研究》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：密级：UDC：编号：专业硕士学位论文（工程硕士）基于卷积神经网络的交通图像目标检测研究硕士研究生：于小川指导教师：王威远讲师企业导师：赵鸿教授工程领域：机械工程论文主审人：薛开教授哈尔滨工程大学2018年1月分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）基于卷积神经网络的交通图像目标检测研究硕士研究生：于小川指导教师：王威远讲师学位级别：工程硕士学科、专业：机械工程所在单位：机电工程学院论文提交日期：2018年1月论文答辩日期：2018年3月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:

2、ADissertationfortheProfessionalDegreeofMaster（MasterofEngineering）ResearchonObjectDetectioninTrafficScenebasedonConvolutionalNeuralNetworkCandidate:YuXiaochuanSupervisor:Dr.WangWeiyuanAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:MechanicalEngineeringDateofSub

3、mission:Jan.,2018DateofOralExamination:Mar.,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签

4、字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□

5、解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日基于区域卷积网络的交通图像目标检测研究摘要交通场景感知（TrafficScenePerception，TSP）是对路面信息的实时获取，包括三个阶段：检测感兴趣目标，感兴趣目标的检测，运动目标的跟踪。由于检测是识别和跟踪的关键，因此，目标的检测算法是TSP的关键。本文以交通环境为检测背景，基于RCNN的视觉检测方法，进行检测区域的生成和筛选过程的优化，以改善现有方法的实时性、有效性。通过检测区域优化，采用针对交通场景的数据进行模板训练

6、，来进行目标检测。本文通过对深度学习原理的分析，研究了卷积神经网络的深度学习过程中用到的参数和函数；此外，本文在中型卷进神经网络上进行了改进，改进后的中型网络的检测速度达到17fps，在实时检测中存在优势。本文对检测区域生成算法进行了分析和改进。为了提高算法实时性，通过对比区域生成的各算法特点，结合交通环境下目标出现的范围和特点，通过进行消失点检测来进行道路区域的分析和划分，改进了检测区域生成算法，实现了有针对性的检测区域生成。实时性测试实验中，改进的检测区域生成算法在RPN的14fps基础上提高了7fps，检测帧率达到21fps

7、，实现了对前向交通目标的高实时性检测。为了提高算法有效性，本文对检测框筛选算法进行了理论和实验分析。针对NMS检测框筛选法的原理存在的问题，以高斯得分加权的方式，改进了检测框筛选算法，改善了对被遮挡目标的检测效果。标准数据集的测试实验，验证了改进的检测框筛选算法在标准数据集上分别有1.1和1.5的mAP提升，分别达到73.2%，和70.4%。面向视觉检测算法在自动驾驶和机器人平台上的应用，进行了实验和分析。将视觉目标检测作为环境感知的重要手段，验证基于卷积神经网络的目标检测算法和改进的检测算法在车辆行驶中的感知效果；此外，搭建了移

8、动平台，分析本文方法在移动平台的环境感知方面应用的可行性。对于严重遮挡，普通方法难以检测的目标，本文方法能以0.64的置信度检测出来，对于不完整目标，改进的检测算法能以高达0.98的置信度检测出来，对夜间和阴影下目标，算法也能以0.9以上的置信度检