原文传递
基于视觉的移动平台交通违章检测方法研究
| 论文题名： | 基于视觉的移动平台交通违章检测方法研究 |
| 关键词： | 交通违章检测;车道线分割;残差因子分解网络;目标检测;回归网络 |
| 摘要： | 近年来，随着城市化进程的快速发展，交通违章问题得到了广泛的关注。当前的违章检测设备受限于地理位置和检测范围，易产生漏检现象。因此，设计移动的交通违章检测方法能够极大降低漏检率。为实现基于视觉的移动交通违章检测技术，论文进行了算法研究，主要研究工作包括： （1）提出了一种基于车道线特征的残差因子分解网络实现精确的车道线分割：采用提出的语义分割网络实现车道线语义分割，通过编码器提取车道线的特征信息，再使用解码器恢复图像信息。在编码器中增加的残差层能更好的处理边缘信息与相似信息，提取到更多的特征信息。最后采用霍夫线拟合方法提高车道线分割准确率。训练时先对车道线分割训练集增强，对公开数据集的训练集使用对抗生成网络进行数据增强，自动实现白天到夜晚的转换，生成弱光照场景下的图片，提高训练数据的泛化性。实验分析证明，该算法在保持速度的前提下，能够大大提高分割效果。 （2）设计了一种由粗到精的车辆关键区域检测方法：车辆关键区域定位是判断车辆压线与否的重要依据，本文设计了“目标检测+回归网络”模型来检测车辆的车头车尾部分。与传统目标检测方法相比，该方法对于移动性小目标车辆的车头车尾部分的检测准确度更高。其先采用一种“无锚点”类型的目标检测算法对图像中的完整车辆进行检测，这种类型的目标检测方法能减少计算量，提高检测速度。为了提高车头车尾的检测准确率，再设计一个用于车头车尾目标检测的训练数据集用作训练。将前面检测出的车辆的位置区域裁剪出来输入到回归网络中，重新提取车头和车尾的特征信息，得到车头车尾的位置区域。实验表明，论文算法能提高车头车尾的检测准确性。 （3）结合提出的车道线分割算法和车头车尾检测模型，实现了一种基于图像时空语义信息的车辆违章检测方法：该方法结合上述检测到的车道线和车辆车头车尾的空间信息，并使用多目标追踪方法增加帧与帧之间的时间信息。将上述方法中分别得到车道线和车辆的车头车尾位置坐标进行比较，最终判断该车辆在路况中是否发生交通违章。 |
| 作者： | 张梦蝶 |
| 专业： | 计算机技术 |
| 导师： | 郑河荣 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
