原文传递
停车场车辆目标检测方法研究与应用
| 论文题名： | 停车场车辆目标检测方法研究与应用 |
| 关键词： | 停车场;智慧监控系统;车辆目标检测;特征金字塔;双线性聚合残差网络 |
| 摘要： | 停车场作为城市建筑发展不可缺少的一部分，近些年发展十分迅速。在人工智能时代下，智慧停车场对停车场管理提出了信息化、智能化的新要求，传统的监控、记录、查阅为主的停车场视频监控系统已不能完全满足停车场智能管理的要求。相比于传统的监控系统，智能监控系统可以实时检测停车场中车辆目标、车辆种类，并对异常车辆进行报警。而所有这些智能化的功能，其关键技术是车辆的检测与分类。同时，在停车场场景下要求检测与分类结果精度高，目前存在检测精度不高和分类不准确的问题。因此本文提出一种融合特征金字塔的Faster-RCNN车辆检测方法，并进一步提出了双线性聚合残差网络的车辆分类方法，并实现了停车场智慧监控系统的应用。具体内容如下： (1)为了提高对车辆检测的精度，本文在Faster-RCNN基础上提出一种改进的车辆检测方法，用特征金字塔网络来替换模型中原有的区域提议网络，改进基础网络ResNet50网络结构，在模型中加入了注意力机制与多尺度特征融合策略，并对区域抽样进行优化。通过多个实验对比，结果显示改进后的检测模型在精度上提升了4.8%。 (2)为了提升对车辆信息分类的准确率，提出基于双线性聚合残差网络的车辆分类方法，在双线性卷积神经网络的基础上结合前面的目标检测研究内容并加入了聚合残差网络、分散注意力机制以及互通道注意力模块，对目标车辆进行车型、颜色和行驶方向分类，更加满足实际需求。本文进行了多个实验对比，观察每个改进部分对实验结果的影响，在车型的分类精度由原网络的86.1%提升到了89.1%，颜色的分类精度由85.2%提高到88.7%，方向的分类精度由88.1%提高到90.2%，实验效果提升非常明显。并且使用公开数据集Cars196用本章最终方法重新训练模型得到车型分类精度，与原双线性卷积网络进行对比。 (3)将前文模型应用到对停车场中的车辆进行智慧监控中。该系统可以实时观测停车场内的车辆信息，并对不符合规定要求的和操作违规的车辆进行报警，相比于原有的监控系统更加智能高效。 本文对停车场背景下车辆检测和车辆分类问题进行研究，分析总结并对比不同实验结果，设计完成停车场车辆智慧监控系统的设计，为停车场的发展提供帮助。 |
| 作者： | 丁继文 |
| 专业： | 建筑与土木工程 |
| 导师： | 吴宏杰;沈加根 |
| 授予学位： | 硕士 |
| 授予学位单位： | 苏州科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
