原文传递
基于深度学习的道路行人检测系统的研究
| 论文题名： | 基于深度学习的道路行人检测系统的研究 |
| 关键词： | 智能辅助驾驶系统;行人检测;软件开发;功能模块;深度学习 |
| 摘要： | 随着科学技术的不断发展，机动车和驾驶人员逐年增加，行车安全成为亟待解决的问题。各行各业都在各自领域做了相应了研究，如使用微波雷达感应前方障碍物，并自动减速或刹车，一定程度上辅助驾驶人员驾车。在图像和计算机视觉领域，常使用行人检测技术辅助驾驶人员行车。本课题考虑将行人检测技术应用到车载系统，设计智能辅助驾驶系统，帮助驾驶人员判断路况，避免因走神、困倦等原因造成的反应不及时，增加驾驶人员的反应时间，提高交通安全，推进智能交通的发展。 本课题是基于深度学习的道路行人检测系统的研究，课题优化了深度学习算法，并将其实际应用在了行人检测领域，设计基于Web的行人检测系统，作为车载辅助驾驶系统的软件平台。该系统包括前端展示部分、后台算法部分及数据处理部分。本系统的行人检测算法主要选用Faster RCNN算法进行模型的训练和行人检测接口的设计，前端部分负责调用检测接口，并将检测效果在前端页面展示。 本课题的研究内容主要包括： 1.研究了以图像处理为基础的行人检测算法的技术背景及算法原理，验证了在不同行人数据集上的检测效果，分析其可行性，判断该算法能否满足当下复杂交通场景下的行人检测。 2.研究当下较为流行的深度学习技术，对比分析了YOLO和Faster RCNN两种目标检测算法。介绍了各自的网络架构，在相同数据集上分析各自的检测效果，选取合适的检测算法作为行人检测系统的核心检测部分。 3.设计Faster RCNN网络结构，并通过分析行人数据的特点，对网络框架进行了一定的优化。使用特征图融合的方式提高了算法在细小目标上的检测泛化性；同时去除多余尺度的锚框，提高了算法的检测时间。通过不断调节参数，使得检测精度达到最优，保存最优模型。将最优模型做成检测接口供前端系统调用，实现行人检测。 4.设计出基于Web技术的行人检测系统，前端主要是静态的页面入口部分，后端主要由数据库和业务层算法组成，数据库内保存用户信息，验证用户身份后方可登录进入。算法部分是Faster RCNN所训练出的检测模型，利用训练好的模型设计出可供调用的脚本作为检测接口。系统的工作流程为，当前端采集到图像之后，调用后台检测接口进行道路行人检测，并将检测结果展示在行人检测系统的前端页面，达到辅助驾驶的目的。 |
| 作者： | 陈付刚 |
| 专业： | 控制工程 |
| 导师： | 钱素琴 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东华大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
