📄Работа №41180
Тема: РАЗРАБОТКА СИСТЕМЫ ОБНАРУЖЕНИЯ СТОЛКНОВЕНИЯ АВТОМОБИЛЕЙ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ
Тип работы
Дипломные работы, ВКР
Предмет
информатика
Объем:
51 листов
Год:
2019
Просмотров:
255
6500
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 2
Глава 1. Инструментарий 5
1. 1 Обзор 5
1.1.1 Детектирование автокатастрофы с помощью датчиков смартфонов 5
1.1.2 Детектирование автомобильных аварий с помощью встроенной в автомобиль системы
датчиков 7
1.1.3 Система детектирования автомобильных аварий, основанная на звуковом анализе 9
1.1.4 Система автоматического детектирования ДТП с помощью датчиков расстояния 10
1.2 Дорожно-транспортное происшествие 13
1.3 Сверточная нейронная сеть 15
1.4 Способ решения проблемы с помощью сверточных нейронных сетей 20
ГЛАВА 2. РАЗРАБОТКА И АПРОБАЦИЯ 21
2.1. Описание алгоритма детектирования автокатастроф 21
2.2 Поиск и подготовка выборки 22
2.2.1 Записи с дорожных камер в Европе 22
2.2.2 Генерация видеороликов с авариями, при помощи компьютерных игр 24
2.2.3 Использование нарезок (подборок) автомобильных аварий с дорожных видеокамер на
видеохостинге YouTube. 25
2.3 Анализ алгоритмов детектирования объектов. 27
2.3.1 Faster-RCNN (Region-based convolutional neural network) 27
2.3.2 YOLO (You Only Look Once) 29
2.3.3 SSD (Single Shot MultiBox Detector) 32
2.3.4 Сравнение детекторов объектов для выяснения влияния на конечную эффективность
работы системы в целом 34
2.3.4.1 Результаты на выборке данных PASCAL VOC 2007,2012. 34
2.3.4.2 Результаты на выборке данных MS СОСО: 36
2.4 Реализация алгоритма детектирования столкновения автомобилей в режиме
реального времени 38
2.4.1 Детектирование автомобиля на видео с помощью YOLO-детектора. 39
2.4.2 Отслеживание автомобиля на видео с помощью корреляционного фильтра. 40
2.4.3 Покадровая обработка получившихся видеороликов для каждого автомобиля с помощью
ViF-дескриптора. Получение гистограммы направления векторов. 41
2.4.4 Детектирование автомобильной аварии с помощью анализа полученной гистограммы и
последующего применения (SVM) метода опорных векторов. 42
Заключение 47
Глоссарий 48
Источники 50
Глава 1. Инструментарий 5
1. 1 Обзор 5
1.1.1 Детектирование автокатастрофы с помощью датчиков смартфонов 5
1.1.2 Детектирование автомобильных аварий с помощью встроенной в автомобиль системы
датчиков 7
1.1.3 Система детектирования автомобильных аварий, основанная на звуковом анализе 9
1.1.4 Система автоматического детектирования ДТП с помощью датчиков расстояния 10
1.2 Дорожно-транспортное происшествие 13
1.3 Сверточная нейронная сеть 15
1.4 Способ решения проблемы с помощью сверточных нейронных сетей 20
ГЛАВА 2. РАЗРАБОТКА И АПРОБАЦИЯ 21
2.1. Описание алгоритма детектирования автокатастроф 21
2.2 Поиск и подготовка выборки 22
2.2.1 Записи с дорожных камер в Европе 22
2.2.2 Генерация видеороликов с авариями, при помощи компьютерных игр 24
2.2.3 Использование нарезок (подборок) автомобильных аварий с дорожных видеокамер на
видеохостинге YouTube. 25
2.3 Анализ алгоритмов детектирования объектов. 27
2.3.1 Faster-RCNN (Region-based convolutional neural network) 27
2.3.2 YOLO (You Only Look Once) 29
2.3.3 SSD (Single Shot MultiBox Detector) 32
2.3.4 Сравнение детекторов объектов для выяснения влияния на конечную эффективность
работы системы в целом 34
2.3.4.1 Результаты на выборке данных PASCAL VOC 2007,2012. 34
2.3.4.2 Результаты на выборке данных MS СОСО: 36
2.4 Реализация алгоритма детектирования столкновения автомобилей в режиме
реального времени 38
2.4.1 Детектирование автомобиля на видео с помощью YOLO-детектора. 39
2.4.2 Отслеживание автомобиля на видео с помощью корреляционного фильтра. 40
2.4.3 Покадровая обработка получившихся видеороликов для каждого автомобиля с помощью
ViF-дескриптора. Получение гистограммы направления векторов. 41
2.4.4 Детектирование автомобильной аварии с помощью анализа полученной гистограммы и
последующего применения (SVM) метода опорных векторов. 42
Заключение 47
Глоссарий 48
Источники 50
📖 Введение
Проблема, решаемая данной дипломной работой, заключается в создании (разработке) системы обнаружения столкновения автомобилей в режиме реального времени. Данная проблема весьма актуальна, несмотря на то, что с каждым годом система безопасности автомобилей становятся всё лучше и лучше. Так или иначе существуют факторы, которые всё равно приводят к дорожно транспортным происшествиям, например, - погодные условия, дорожные условия, человеческий фактор и так далее.
На данный момент уже существуют решения данной проблемы. Например, с использованием датчиков смартфонов, анализа аудиосигналов, с помощью специальных устройств, датчиков, собранных воедино. Но они имеют ряд своих недостатков, о которых подробнее будет рассказано в обзоре.
Решением проблемы определения крупных дорожно транспортных происшествий может стать разработка системы, которая будет определять серьезные автомобильные столкновения на видеоряде, записанном дорожными камерами. Особенностью моего подхода будет разделение видеоряда на кадры и последующая их обработка с помощью ViF-дескриптора для получения гистограммы направления векторов. Далее с помощью метода опорных векторов и анализа получившегося набора данных происходит непосредственное определение автомобильного столкновения.
Целью работы является создание системы определения дорожно-транспортных происшествий на основе анализа видеоряда с камер дорожного видеонаблюдения в режиме реального времени.
Задачи, необходимые для достижения данной цели:
1. Детектирование автомобиля на видео с помощью YOLO-детектора.
2. Отслеживание автомобиля на видео с помощью корреляционного фильтра, основанного на использовании сжатых глубоких сверточных нейронных сетей.
3. Разделение видеоряда на кадры и последующая их обработка с помощью ViF-дескриптора.
4. Получение гистограммы направления векторов для каждого кадра и преобразование в итоговый дескриптор.
5. Применение к дескриптору метода опорных векторов.
6. Определение столкновения автомобилей на основе набора данных, которые были получены в ходе предыдущего шага.
Объект исследования - анализ видеоряда, записанного с помощью видеокамер дорожного видеонаблюдения. Предмет исследования - система, которая производит детектирование крупного дорожно транспортного происшествия на основе видеоряда, записанного с помощью камер дорожного видеонаблюдения.
На данный момент уже существуют решения данной проблемы. Например, с использованием датчиков смартфонов, анализа аудиосигналов, с помощью специальных устройств, датчиков, собранных воедино. Но они имеют ряд своих недостатков, о которых подробнее будет рассказано в обзоре.
Решением проблемы определения крупных дорожно транспортных происшествий может стать разработка системы, которая будет определять серьезные автомобильные столкновения на видеоряде, записанном дорожными камерами. Особенностью моего подхода будет разделение видеоряда на кадры и последующая их обработка с помощью ViF-дескриптора для получения гистограммы направления векторов. Далее с помощью метода опорных векторов и анализа получившегося набора данных происходит непосредственное определение автомобильного столкновения.
Целью работы является создание системы определения дорожно-транспортных происшествий на основе анализа видеоряда с камер дорожного видеонаблюдения в режиме реального времени.
Задачи, необходимые для достижения данной цели:
1. Детектирование автомобиля на видео с помощью YOLO-детектора.
2. Отслеживание автомобиля на видео с помощью корреляционного фильтра, основанного на использовании сжатых глубоких сверточных нейронных сетей.
3. Разделение видеоряда на кадры и последующая их обработка с помощью ViF-дескриптора.
4. Получение гистограммы направления векторов для каждого кадра и преобразование в итоговый дескриптор.
5. Применение к дескриптору метода опорных векторов.
6. Определение столкновения автомобилей на основе набора данных, которые были получены в ходе предыдущего шага.
Объект исследования - анализ видеоряда, записанного с помощью видеокамер дорожного видеонаблюдения. Предмет исследования - система, которая производит детектирование крупного дорожно транспортного происшествия на основе видеоряда, записанного с помощью камер дорожного видеонаблюдения.
✅ Заключение
В результате выполнения данной работы была достигнута поставленная цель в разработке системы определения дорожно-транспортных происшествий в режиме реального времени, а также решены все поставленные задачи. В ходе анализа и сравнения алгоритмов детектирования объектов, с целью выявить влияние на конечную производительность системы, был сделан вывод, что для данной ситуации больше подходит YOLOv3.
Выполненные задачи:
• Проведен анализ существующих решений данной проблемы.
• Проведена работа по созданию обучающей выборки.
• Проведен анализ некоторых детекторов объектов с целью выявить наиболее оптимальный для решения данной проблемы.
• Реализован алгоритм детектирования автомобильных аварий на видеоряде в режиме реального времени.
• Сохранение кадров, на которых отображен момент столкновения автомобилей для отчётности в ГИБДД.
Следующими шагами в реализации этого проекта являются:
1. Оповещение необходимых служб безопасности при успешном определении дтп, интеграция с системой ЭРА ГЛОНАСС.
2. Повышение точности и стабильности работы системы в целом.
3. Попробовать обучить систему на выборке данных, сгенерированной с помощью видеоигр (авто-симуляторов), и затем протестировать систему на реальных данных.
Выполненные задачи:
• Проведен анализ существующих решений данной проблемы.
• Проведена работа по созданию обучающей выборки.
• Проведен анализ некоторых детекторов объектов с целью выявить наиболее оптимальный для решения данной проблемы.
• Реализован алгоритм детектирования автомобильных аварий на видеоряде в режиме реального времени.
• Сохранение кадров, на которых отображен момент столкновения автомобилей для отчётности в ГИБДД.
Следующими шагами в реализации этого проекта являются:
1. Оповещение необходимых служб безопасности при успешном определении дтп, интеграция с системой ЭРА ГЛОНАСС.
2. Повышение точности и стабильности работы системы в целом.
3. Попробовать обучить систему на выборке данных, сгенерированной с помощью видеоигр (авто-симуляторов), и затем протестировать систему на реальных данных.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.