基于无人机交通视频分析的车辆目标检测技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于运动信息的车辆检测技术 | 第11-12页 |
| 1.2.2 基于特征信息的车辆检测技术 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 章节安排 | 第14-16页 |
| 第二章 融合多层CNN特征的车辆检测网络 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 卷积神经网络简介 | 第16-21页 |
| 2.2.1 神经网络 | 第16-19页 |
| 2.2.2 卷积神经网络 | 第19-21页 |
| 2.3 融合多层CNN特征的检测网络 | 第21-28页 |
| 2.3.1 特征提取 | 第21-22页 |
| 2.3.2 候选区域提取 | 第22-24页 |
| 2.3.3 多层CNN特征融合 | 第24-27页 |
| 2.3.4 检测网络 | 第27-28页 |
| 2.4 网络训练 | 第28-33页 |
| 2.4.1 损失函数 | 第29-30页 |
| 2.4.2 数据预处理 | 第30-31页 |
| 2.4.3 训练步骤 | 第31页 |
| 2.4.4 训练方法 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 视频车辆检测优化方法 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 基于相邻帧的分数重标定 | 第34-37页 |
| 3.2.1 非极大值抑制算法(MMS) | 第34-35页 |
| 3.2.2 分数重标定 | 第35-37页 |
| 3.3 检测与跟踪相结合 | 第37-42页 |
| 3.3.1 KCF跟踪算法 | 第37-40页 |
| 3.3.2 检测与跟踪相结合 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 实验结果与分析 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 无人机交通视频数据集 | 第44-48页 |
| 4.2.1 数据集简介 | 第45-46页 |
| 4.2.2 数据集标注 | 第46-47页 |
| 4.2.3 与其它相关数据集的对比 | 第47页 |
| 4.2.4 数据集难点分析 | 第47-48页 |
| 4.3 实验评估指标 | 第48页 |
| 4.4 检测网络训练参数 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-58页 |
| 4.5.1 不同检测网络的对比实验 | 第49-55页 |
| 4.5.2 不同层CNN特征组合对比实验 | 第55-56页 |
| 4.5.3 视频车辆检测优化方法对比实验 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
