基于SSD的車輛檢測與跟蹤算法研究.pdf

1、隨著城市社會的發(fā)展，機動車數(shù)量日趨增加，城市道路堵塞情況日益嚴重，智能交通系統(tǒng)的應用日益受到大家的廣泛關注，車輛的檢測與跟蹤是其重要的組成部分。在實際應用中，車輛檢測算法需要實時檢測圖像或者視頻序列幀中出現(xiàn)的車輛，獲得目標參數(shù)，并將檢測的車輛信息傳遞給車輛跟蹤算法，由它對車輛進行跟蹤，從而確定車輛的位置，有效地對車輛進行實時跟蹤。
　　傳統(tǒng)的車輛檢測方法如光流法、幀間差分法等，檢測結果差強人意，很難滿足實際場景的需求。目前，深度學

2、習技術已經成為機器學習方向的前沿技術，在許多的研究領域取得了驚人的效果。本論文首先對傳統(tǒng)的車輛檢測算法進行了分析，針對其不足之處，利用深度學習技術設計了基于多尺度特征圖預測SSD的車輛檢測器，然后將基于多尺度特征圖預測SSD的車輛檢測器與Camshift跟蹤和Kalman濾波算法相結合，構建了車輛檢測跟蹤系統(tǒng)。論文的具體工作如下:
　　1.針對傳統(tǒng)車輛檢測算法中存在的問題，本文設計了一種基于不同卷積層上的特征進行多尺度預測SSD車

3、輛檢測器，其基本思想是:使用前向傳播CNN網絡，產生一系列固定大小的邊界框集合以及框中目標類別的得分，然后通過非最大值抑制算法得到最終檢測。論文中把車輛檢測問題作為一個回歸問題，模型訓練過程中，通過對整張圖像進行訓練，然后優(yōu)化檢測結果。實驗結果表明，基于SSD的車輛檢測器無論在識別性能還是在時間效率方面都有著較好的檢測效果。
　　2.利用多尺度特征圖預測SSD車輛檢測器與Camshift跟蹤和Kalman濾波算法相結合，設計并開發(fā)