面向城市OD调查的车辆再识别.pdf

《面向城市OD调查的车辆再识别.pdf》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、面向城市OD调查的车辆再识别Vehiclere-identificationforcityODsurvey学科专业：计算机科学与技术作者姓名：吴浩然指导教师：胡清华教授天津大学计算机科学与技术学院二零一七年十一月万方数据万方数据万方数据万方数据摘要城市OD调查，即城市交通起止点调查，是一项对于城市道路交通管理，城市建设规划都具有重要意义的调查。O为origin，D为destination。它包括城市道路交通流量调查和车辆出行起止点调查。以往的城市OD调查多采用发放调查问卷以及上门采访的形式。这些方法不仅会消耗大量的人力物力也会浪费很多时间。随着科技的发展，使用机器辅助人

2、工完成工作已经成为可能。本文将研究如何利用城市内大量存在的道路交通监控设备结合计算机视觉技术，设计一个能够节省人力物力的城市OD调查系统。进行交通流量调查，可以使用基于深度学习的目标检测技术对监控图像进行检测，获取目标类别、数目以及各种属性。但是训练一个深度神经网络往往需要大量数据，而对大量的数据进行标注同样也是一项无趣且费时的工作。针对此问题，本文设计了一个能够在线学习的辅助标记网络。这一网络基于目标检测网络，能够检测出输入图像中感兴趣的目标的位置、类别等属性。这些检测结果可辅助人工对图像进行标记。同时，人工标记后的结果可以反过来用于训练该网络，使网络预测结果更加接近

3、人工标记结果。这样，经过多次训练的网络，可以更好地辅助人工对图像进行标记。进行车辆出行起止点调查，可以利用车辆再识别技术识别相同车辆，从而推断出车辆的出行轨迹，出行时间以及出行起止点。然而在真实环境中往往存在着车牌信息缺失、车辆具有相同外形等问题干扰模型进行准确判断。为了解决这些在实际环境中存在的问题，本文设计了一个特征融合网络提取用于车辆再识别的特征。该模型对于不同环境使用不同权重进行特征融合，使得该模型能够应对真是环境中的不同场景，大大提高了车辆再识别的准确率。为验证本文提出的方法的有效性，本文自行收集了两个数据集，并在数据集上进行了多项对比实验，最终实验结果证明本

4、文提出的模型在收集的数据集上取得了令人满意的效果。关键词：城市OD调查，计算机视觉，深度神经网络，目标检测，图像标记，车辆再识别I万方数据II万方数据ABSTRACTCityODsurveyhasgreatsignificanceforbothurbantrafficmanagementandcityconstructionprogramming.ODisabbreviationoforiginanddestination.Itincludestrafficflowsurveyandvehiclestravelpathsurvey.Inthepast,peoplecon

5、ductcityODsurveybyhandingoutquestionnairesoron-siteinterviewing.Thesemethodswillnotonlyconsumelargeamountsofresourcesbutalsowastealotoftime.Withthedevelopmentofscienceandtechnology,usingmachinehelpspeoplewithworkhasbecomepossible.Thispaperwillresearchhowtomakeuseofcomputervisiontechnolog

6、yandtrafficmonitoringequipmenthelpingpeoplewithcityODsurvey.Toconducttrafficflowsurvey,wecanusetheobjectdetectiontechnologybasedondeepneuralnetwork.Theobjectdetectioncandetecttheobjectsofourinterest.Trainingadeepneuralnetworkneedsalotofdata,andlabelingdataisaboringandtime-consumingwork.A

7、imingatthisproblem,wedesignanonlinelearningnetworkwhichcanhelpwithlabelingdata.Thisnetworkbasedonobjectdetectionnetwork,anditcanobtaintheclassesandregionsoftheobjectswhichweareinterestingin.Theresultsobtainedbythisnetworkcanhelpwithlabelingdata.Meanwhile,theartificiallabe