原文传递
无人驾驶汽车对行人的检测与跟踪
| 论文题名： | 无人驾驶汽车对行人的检测与跟踪 |
| 关键词： | 无人驾驶汽车;行人检测;行人跟踪;特征提取 |
| 摘要： | 近年来，随着人工智能技术的快速发展，无人驾驶汽车成为研究热点，将成为未来汽车行业的发展趋势。无人驾驶汽车的关键技术就是车辆对于道路环境的感知，利用感知信息下达正确的行车指令，从而保障行车的安全性。行人作为道路环境中最常见的对象，对于行人的检测与跟踪在无人驾驶技术中起到不可或缺的作用，因此对行人检测与跟踪算法的研究是及其重要的。 本文搭建了行人检测与行人跟踪两个框架，在车速为40Km/h时，通过高速运动摄相机在道路上拍摄实时道路场景作为测试样本，验证本文行人检测与跟踪算法的有效性。本文的研究工作将围绕行人检测与行人跟踪两个方面展开: 在行人检测方面，提出了基于tiny-YOLOv3网络改进的行人检测算法。对行人训练集使用k-means聚类，获得最优的候选框尺寸和个数;对tiny-YOLOv3的网络结构进行改进，提高了网络提取行人特征的能力。本文提出的算法在保证较高检测精度的前提下，提高了检测速度。 在行人跟踪方面，提出了基于数据关联的多行人跟踪算法。首先，基于卡尔曼滤波算法搭建了跟踪框架;然后，将IOU距离作为评价矩阵，利用匈牙利匹配算法进行轨迹匹配;使用宽残差网络提取行人深度外观特征，进行二次匹配，用于解决行人目标由于遮挡造成的目标消失问题。该算法在行人被遮挡时，表现出比其他算法更好的效果。 经过实验验证，本文提出的算法，对于实时拍摄的道路环境视频具有良好的准确性与实时性，在一定程度上能够满足无人车的需求。 |
| 作者： | 张毅 |
| 专业： | 控制科学与工程 |
| 导师： | 沈永良 |
| 授予学位： | 硕士 |
| 授予学位单位： | 黑龙江大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
