原文传递
高速公路场景下基于深度学习的车辆识别研究
| 论文题名： | 高速公路场景下基于深度学习的车辆识别研究 |
| 关键词： | 车辆识别;高速公路;深度学习 |
| 摘要： | 为了保证交通安全，必须严厉打击车辆改装、超载超限行为，车辆识别是开展此项工作的重要内容之一，比如:通过轴距检测判断车辆是否被改装。本文通过车辆侧前方拍摄图像检测车辆参数。车辆轴距检测由两部分组成，其一是进行车辆和车轮定位和分类，其二是在车辆定位和分类的基础上进行轴距检测。由于车辆的重叠和由远及近，图像中车辆轴距检测的准确率和鲁棒性仍然是一大难点，针对此问题，本文的主要工作如下: (1)基于YOLOv3算法改进的车辆检测。建立车辆数据集，并采取数据增强方式进行数据集扩充。针对图像中车辆由远及近的小目标问题，将YOLOv3的三层特征输出层改为四层特征输出层，使用泛化的交并比(GIoU)作为损失函数，降低尺度敏感性。针对车辆拥堵导致的车辆重叠问题，使用软化的非最大值抑制算法(Soft-NMS)输出物体检测框，然后通过消融实验和对比实验验证了此算法的有效性。本文改进的算法平均准确率为90.78％，检测速度达到52帧每秒，与传统的YOLOv3相比提高了5.02％。 (2)基于透视投影的车辆轴距检测。针对车辆轴距检测问题，根据透视投影原理、图像测距原理，提出了基于透视投影的车辆轴距检测算法。通过建立地标、场景建模、数学计算对图像中的车轴进行测距。实验结果表明该算法的车辆轴距检测准确率达到91.3％以上，实时性高，能够有效测试车辆轴距。 (3)高速公路收费站车辆识别系统设计和实现。基于改进的车辆检测算法和车辆轴距检测算法，设计和实现了高速公路收费站车辆识别系统。能够对收费站过站车辆的车牌、车轴、轴距和车长进行识别。系统包括硬件和软件部分，论文阐述了系统硬件产品构成以及软件开发环境，并且描述了系统的功能模块设计和功能实现。 本文研究的基于YOLOv3改进的车辆检测算法和基于透视投影的车辆检测方法能够应用在车辆轴距检测项目中。本文构建的测试系统能够用于工程项目的实际测试中。 |
| 作者： | 谷兆雷 |
| 专业： | 计算机技术 |
| 导师： | 田锦 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
