原文传递
基于深度学习的车辆轴型识别技术研究
| 论文题名： | 基于深度学习的车辆轴型识别技术研究 |
| 关键词： | 车辆轴型;超限超载;深度学习;SSD算法 |
| 摘要： | 交通运输在我国经济和社会生活中发挥着巨大的作用，在交通运输发展过程中，货物运输车辆的超载运输屡禁不止，超载车辆对人员、车辆和路面三者而言都造成了巨大的危害。虽然物理参数检测法在车辆称重系统中已经非常成熟，但是以物理参数为主的硬件类传感器检测时始终存在设备易损坏、测量结果受天气影响较大等问题。同时车辆动态称重系统中的不停车、低成本、无接触的车辆轴型识别跟踪方法也是一个亟待解决的问题。为了满足动态称重系统中对车辆轴型的要求，论文通过改进深度学习中的单阶识别方法SSD算法，得到兼顾识别速度、精度和计算机内存的车辆轴型识别模型。通过卡尔曼滤波算法及数据关联算法实现多个车轴目标的跟踪，得到交通流中车轴的运动轨迹，实现连续图像帧中相同车辆轴型的识别。论文的主要工作如下： （1）建立车辆轴型数据集。通过对比不同国家对于车辆分类的不同规定，结合我国国情特点、行业标准和相关科研成果，建立了车辆轴型的详细分类标准。根据车辆的轴数、胎数和轴间距等特点将车辆划分为2轴11型、2轴12型、3轴15型、3轴112型、4轴115型等11类车辆轴型。在此分类的基础上，利用网络搜集的数据与实际采集到的交通流提取出的数据建立了车辆轴型数据集，该数据集包含了11种车辆轴型的图像信息。 （2）构建车辆轴型识别模型并对其进行训练和分析。将深度学习中的原始SSD算法的主干网络替换为检测速度更快的DenseNet网络，得到了改进的SSD算法，并针对轴型是小目标的特点，融入特征金字塔（FPN）方法。为了使模型更快地收敛，利用二次训练和FocalLoss策略对模型进行训练。训练完成后测试结果显示部分轴型的识别精度可以达到100%。 （3）构建车轴自动跟踪模型。论文将车辆轴型识别模型识别到的车辆轴型的位置作为卡尔曼滤波器初始值，创建跟踪器，使用基于空间的最近邻关联算法完成对多目标车轴的跟踪和消除。通过对实地拍摄的行驶车辆视频进行识别，结果显示车轴自动跟踪模型可以准确跟踪车轴，对于视频中多车轴的识别起到了很好的辅助作用。 （4）车辆轴型自动识别系统的设计。根据车辆轴型识别模型和车轴自动跟踪模型，设计了车辆轴型自动识别系统，可以为车辆动态称重系统提供轴型和轨迹数据。 |
| 作者： | 陈铭 |
| 专业： | 交通运输工程 |
| 导师： | 陈新 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
