《基于卷積神經(jīng)網(wǎng)絡(luò)的前方車輛障礙物檢測算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、一．碩±學(xué)位論文基于卷巧神結(jié)網(wǎng)絡(luò)的前方車輛障礙物檢測算法研究ｉ作者姓名康磊學(xué)科專業(yè)信號與信息處理指導(dǎo)教師周智恒教授所在學(xué)院電子與信息學(xué)院論文提交日期２０１６年６月．ｆResearchonAlgorithmforDetectingFrontVehiclesBasedonConvolutionalNeuralNetworkADissertationSubmittedfortheDegreeofMasterCandidate：KangLeiSupervisor：Prof.

2、ZhouZhihengSouthChinaUniversityofTechnologyGuangzhou,China分類號：TP391.41學(xué)校代號：10561學(xué)號：201320109361華南理工大學(xué)碩士學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的前方車輛障礙物檢測算法研究作者姓名：康磊指導(dǎo)教師姓名、職稱：周智恒教授申請學(xué)位級別：工學(xué)碩士學(xué)科專業(yè)名稱：信號與信息處理研究方向：智能信息處理系統(tǒng)與模式識別論文提交日期：2016年6月8日論文答辯日期：2016年6月2日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會成員：主席：傅予力教授

3、委員：周智恒教授、吳宗澤副教授、向友君副教授、李波副教授華南理工大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研巧所取得的研究成果。除了文中特別加標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個人和集體，均己在文中ｔＡ明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名曰期：八年＾月］曰學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，艮Ｐ；研巧生在校攻讀學(xué)位期間

4、論文工作的知識產(chǎn)權(quán)單位屬華南理工大學(xué)。學(xué)校有權(quán)保存并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許學(xué)位論文被查閱（除在保密期內(nèi)的保密論文外）；學(xué)?？晒紝W(xué)位論文的全部或部分內(nèi)容，可允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位一論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相致。本學(xué)位論文屬于：ｎ？ｆ密，在＾年解密后適用本授權(quán)書。保密，同意在校園網(wǎng)上發(fā)布，供校內(nèi)師生和與學(xué)校有共享協(xié)議的單位瀏覽；同意將本人學(xué)位論文提交中國學(xué)術(shù)期刊（光盤版）電子雜志社全文出版和編入ＣＮＫＩ《中國知識資源總庫

5、》，傳播學(xué)位論文的全部或部分內(nèi)容。＂＂（請在レッ上相應(yīng)方框內(nèi)打Ｖ）作者簽名；唯知曰期：訓(xùn)Ｍｌ＾．指導(dǎo)教師簽名：亦ｉ日期］：兩ｆ＾／＾矣：：作者聯(lián)系電話電子郵箱地址聯(lián)系（含郵編：）摘要近年來隨著社會經(jīng)濟(jì)的發(fā)展，人均汽車保有量的不斷增加，城市交通安全隱患日益突顯，對智能輔助駕駛技術(shù)也逐漸加強(qiáng)。目標(biāo)檢測一直以來是計算機(jī)視覺領(lǐng)域中研究熱門，也是智能輔助駕駛技術(shù)的一個重要的研究課題，其融合機(jī)器視覺、圖像處理、人工智能等領(lǐng)域的科研成果，在無人機(jī)、機(jī)器人等其他相關(guān)領(lǐng)域具有較高的理論價值和廣泛的應(yīng)用前景。本

6、文研究的是基于單目視覺的車輛檢測算法，為了提高檢測的準(zhǔn)確率，本文使用的檢測算法基于卷積神經(jīng)網(wǎng)絡(luò)，為了解決對圖像進(jìn)行窮盡搜索檢測帶來的實時性降低問題，本文在檢測之前利用簡單特征快速定位車輛可能存在的位置；整個檢測算法可以分為兩個階段：假設(shè)生成和假設(shè)檢驗。首先，論文研究了圖像的預(yù)處理技術(shù)，對各種圖像預(yù)處理技術(shù)進(jìn)行實驗分析，選取了符合本文的圖像預(yù)處理算法。其次，提出了一種車輛假設(shè)區(qū)域生成方法，使用動態(tài)閾值法獲取車輛底部陰影區(qū)域，利用形態(tài)學(xué)方法排除圖像中的干擾區(qū)域，合并陰影區(qū)域獲取陰影底部線段，根據(jù)陰影區(qū)域和車輛位置大小的關(guān)系生成車

7、輛假設(shè)區(qū)域。然后，針對傳統(tǒng)的基于機(jī)器學(xué)習(xí)的算法準(zhǔn)確率較低的問題，提出將卷積神經(jīng)網(wǎng)絡(luò)作為本文檢測的算法。卷積神經(jīng)網(wǎng)絡(luò)具有從原始圖片中自適應(yīng)提取特征的優(yōu)點，可以避免人工特征提取的局限性。本文詳細(xì)敘述了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，對比了卷積神經(jīng)網(wǎng)絡(luò)相對于淺層人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，詳細(xì)介紹了卷積神經(jīng)網(wǎng)絡(luò)的原理和訓(xùn)練過程。最后，本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于車輛的分類識別。通過將不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，比較不同池化操作等因素對網(wǎng)絡(luò)分類能力的影響，設(shè)計了本文車輛分類使用的卷積神經(jīng)網(wǎng)絡(luò)。經(jīng)過系統(tǒng)設(shè)計和實現(xiàn)測試，實驗結(jié)果表明，本文提出的車輛檢測算法能夠

8、有效的檢測出前方的車輛，能夠滿足系統(tǒng)實時性的要求。關(guān)鍵字：車輛檢測；圖像分類；卷積神經(jīng)網(wǎng)絡(luò)；機(jī)器學(xué)習(xí)IAbstractWiththerapideconomicdevelopment,thenumberofautomobileisalsoinrapidgrowth.Whilethesafet