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(jī)動車數(shù)量日趨增加，城市道路堵塞情況日益嚴(yán)重，智能交通系統(tǒng)的應(yīng)用日益受到大家的廣泛關(guān)注，車輛的檢測與跟蹤是其重要的組成部分。在實際應(yīng)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(biāo)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(jìn)行跟蹤，從而確定車輛的位置，有效地對車輛進(jìn)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(jié)果差強(qiáng)人意，很難滿足實際場景的需求。目前，深度學(xué)

2、習(xí)技術(shù)已經(jīng)成為機(jī)器學(xué)習(xí)方向的前沿技術(shù)，在許多的研究領(lǐng)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(jìn)行了分析，針對其不足之處，利用深度學(xué)習(xí)技術(shù)設(shè)計了基于多尺度特征圖預(yù)測SSD的車輛檢測器，然后將基于多尺度特征圖預(yù)測SSD的車輛檢測器與Camshift跟蹤和Kalman濾波算法相結(jié)合，構(gòu)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(shè)計了一種基于不同卷積層上的特征進(jìn)行多尺度預(yù)測SSD車

3、輛檢測器，其基本思想是:使用前向傳播CNN網(wǎng)絡(luò)，產(chǎn)生一系列固定大小的邊界框集合以及框中目標(biāo)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(xùn)練過程中，通過對整張圖像進(jìn)行訓(xùn)練，然后優(yōu)化檢測結(jié)果。實驗結(jié)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(yù)測SSD車輛檢測器與Camshift跟蹤和Kalman濾波算法相結(jié)合，設(shè)計并開發(fā)