原文传递
基于卷积神经网络的交通物体识别系统的设计与实现
| 论文题名： | 基于卷积神经网络的交通物体识别系统的设计与实现 |
| 关键词： | 智能交通;物体识别系统;卷积神经网络;CUDA编程;图像数据 |
| 摘要： | 随之我国经济社会的不断向前发展，城市中的人口以及汽车保有量不断增多，城市交通问题日益突出。智能交通系统的中存储着大量高清图片，这些交通图像数据中包含着大量有价值信息，是警察部门破案、刑侦以及解决交通问题的重要工具。但是，传统的智能交通系统中，缺乏有效的方案来提取图像数据中的信息，特别是对于交通场景下的行人、车辆等物体识别任务，目前仍是以人工识别方式为主，浪费人力警力，慢速低效。针对交通系统每天产生的海量图片与智能交通系统物体识别能力不足之间的矛盾，我们设计实现了面向交通图像数据的快速物体识别系统，旨在利用先进的计算机技术，实现快速的交通图像物体识别，提取有效信息，辅助警方工作。 在调研过程中，发现卷积神经网络作为近年来计算机视觉领域的前沿技术，在物体定位、物体识别、物体分类等多个领域都取得了很好效果，受到了学术界与工业界的高度关注。因此，我们选择利用卷积神经网络来进行物体识别任务，并且利用回归思想结合卷积神经网络来减少中间操作，实现快速的物体识别。而且，考虑到GPU在图像数据处理中的强大能力，在某些环节采用CUDA编程方式，进一步加快处理速度。 基于卷积神经网络的快速物体识别系统，采用模块化设计方案，各个模块均选择成熟技术进行开发。采用卷积神经网络作为物体识别技术，并利用GPU的高计算能力进一步加速识别过程，主要采用C/C++进行开发，在卷积网络模块会引入CUDA编程来加快运行速度，实现快速高效识别。数据接入采用成熟的Inotify技术，采用主动方式去获得相关数据，进一步减少延迟。与其他相关系统的通信采用网络通信方式，避免了因为系统异构造成的通信障碍，而且能够配合交通部门已经建立的大数据存储系统共同使用。 本系统针对交通物体识别这一功能需求，利用回归的思想设计了相关的卷积神经网络模型，填补了交通警察部门的智能交通系统在图像相关业务方面的空缺，使得用户可以更加快速高效地利用交通图像数据，进一步加强了警方在交通领域的管理能力，对于实现现代化的交通管理具有重要意义。 |
| 作者： | 公赛 |
| 专业： | 计算机技术 |
| 导师： | 刘洋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
