原文传递
基于图像的高速公路全景感知系统
| 论文题名： | 基于图像的高速公路全景感知系统 |
| 关键词： | 高速监控系统;全景拼接;智能感知;场式扫描;卷积神经网络;多级深度模型;拥堵识别 |
| 摘要： | 当前我国高速公路大规模基建时代基本结束，高效的管理和维护已经成为新时代发展的新需求。高速监控摄像机作为管理部门与高速公路联系的纽带，覆盖已经愈加密集，海量的监控数据资源同低下的利用率之间的矛盾也日益明显。本文主要实现高速监控系统的智能化，从全景监控和智能感知两个角度出发，为传统的高速监控摄像机赋能，增加单摄像机场景下的监控视角，实现摄像机和道路运行状态的智能感知，逐渐取代人工监控的方式，帮助高速管理部门改善道路运营能力。 文章首先对于全景图像拼接算法进行了研究，针对于高速公路场景的特征，应用了一种非全局配准的方法，避免了非重合区域产生的误差因子，并降低了图像拼接的运算量。然后从算法原理、匹配效率、匹配精度、视觉效果几个评价标准出发，对于SIFT算法、SURF算法、ORB算法的性能进行比较分析，确定了适用于高速场景的最佳算法和参数。 选取基准算法后，本文提出了一种场式扫描的概念：场景扫描和场景内容扫描。场景扫描是将摄像机旋转扫描道路区域然后拼接成全景图的过程，在此部分应用了一种基于中心图像的双向匹配多图像拼接规则，改善了图像失真和畸变的问题，提高了全景图像的质量。场景内容扫描则是对摄像机全景内容进行扫描搜索，本部分首先对摄像机状态识别，筛除了异常状态的图像，然后利用图像配准算法实现了目标车辆搜索、摄像机视角标定等工作，并通过数据测试验证了方案的可行性。 最后，将人工智能算法部署到高速监控系统中，实现了高速监控摄像机对于高速公路运行状态的智能感知。基于卷积神经网络构建了TrafficNet模型，对交通拥堵状态进行自动识别，并根据实际部署性能，在此基础上提出了一种具有防倒转机制的多级深度集成模型算法，获取了一种兼具高准确率和低误判率的模型。通过实验结果分析，本文所搭建的高速公路全景感知系统达到预期目标，解决了当前高速监控系统的一些弊端，促进了高速的智能化运营，为科学高效的高速公路管理和服务提供了技术支撑。 |
| 作者： | 卓叶迪 |
| 专业： | 交通运输工程 |
| 导师： | 靳引利 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
