导读:本文包含了违章检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,神经网络,车辆,系统,算法,智能交通,安防。
违章检测论文文献综述
唐洁[1]（2019）在《基于改进的卷积神经网络的违章停车检测》一文中研究指出现如今人们的生活质量随着我国社会经济的快速发展也得到了大大改善,大部分的家庭都选择购买汽车.尽管汽车给出行带来了一些方便,但由于车辆的增多道路也逐渐变得拥挤,交通问题也时常发生,如违章停车问题.本文主要针对日常生活中违章停车的一种违规停车的现象进行研究,这里违规停车是指在街道道路上无停车位的地方乱停.论文的主要内容如下:(1)介绍了卷积神经网络的CNN网络结构、训练过程.紧接着介绍了RCNN到SSD的一系列目标检测算法,对这些算法的结构进行了对比;像Faster RCNN是通过分类与回归俩步实现目标检测,而单步式神经网络SSD是首个将不同分辨率的特征图与先验包围框结合的网络,直接通过回归来实现目标检测,能够达到计算量小,适应性强并且还能保证检测精度.并通过实验进行了验证.(2)单步式神经网络SSD算法虽然能够保证精度和速度,但是对于小目标的检测能力较弱,而日常生活中违章停车的车辆有的可以直接检测而有的因为距离拍摄摄像头太远导致尺寸特别小甚至会有部分遮挡问题,于是对此网络上做了相关改进以方便对小目标进行检测.改进的方法是在SSD中引入转置卷积结构,采用转置卷积将低分辨率高语义信息特征图与高分辨率低语义信息特征图相融合,增加低层特征提取能力,提高了SSD算法的平均精准度.(3)本文基于改进的卷积神经网络的违章停车检测主要由判断目标是否为车辆、判断车辆是否违章停车以及最后的车牌识别这叁个环节构成.根据禁停区域像素灰度的变化来判断是否存在运动目标,如果有利用改进的单步式神经网络SSD算法进行检测目标是否为车辆;再根据违章停车依据判定该目标车辆是否违章;最后对检测到的违章车辆进行车牌识别,为使车牌检测与识别结果更加准确首先对上步得到的车牌图像进行一系列的图像预处理操作,随后利用文中介绍的一种新型的端到端训练的网络模型RPnet对该车牌图像进行车牌识别,该模型已经投入道路边停车服务,具有较高的准确性和速度.通过实验结果,本文研究的基于改进的卷积神经网络的车辆违章停车检测方法,给交通管理部门对实时检测带来了便捷,检测准确率也比较高,满足交通部门需求切实可行.(本文来源于《安徽大学》期刊2019-03-01）
裴莹莹[2]（2018）在《基于视频图像处理的车辆闯红灯违章的检测方法研究》一文中研究指出随着经济的快速发展和人民生活水平的普遍提高,现如今,道路上的车辆越来越多且越来越多的家庭普遍采用汽车作为交通工具。由于人口众多,车辆的普及给我们带来许多的问题。为了解决交通监管繁琐的问题,为了更好地管理和运营道路的车辆,保证车辆的安全行驶得到了更为广泛的关注,由此产生了车辆智能交通系统(Intelligent transportation system,简称ITS)。越来越多的研究人员分别提出了基于图像的车辆闯红灯违章识别系统进行调节与检测。智能交通系统是计算机技术及电子信息技术的应用,是我国优先发展的重点高新技术产业。车辆检测系统,也称作智能交通检测系统(ITS),是将多种技术结合起来应用在交通领域,实现现代智能信息管理的应用系统,用来实现现代化的交通智能管理。通过ITS的广泛应用,可以提高道路的通行能力,带来有利与人们生活的经济和社会效益。随着科学技术的发展,采用基于图像的车辆闯红灯违章识别系统逐渐崭露头角,通过高效的利用计算机数字图像处理技术,使得交通检测系统的维护与效果均取得了显着地提高。闯红灯违章的检测是智能交通系统中的关键技术之一,根据十字路口的实践和车辆运行红灯的特点,本文所研究的是基于图像的车辆闯红灯的违章的识别与检测,详细阐述了“基于图像识别的车辆闯红灯违章识别系统”的结构、技术及其功能。本文主要研究车辆闯红灯违章的检测方法,通过对目标图像的采集、对目标图像的预处理、提取运动目标、识别违章行为等步骤,完成对违章车辆闯红灯行为的检测。其主要工作内容分为以下几个方面:(1)对图像进行预处理,我们使用灰度变换、直方图变换、以及锐化和平滑去噪处理等手段。实现了图像的噪声和畸变的消除,为下一步的识别做好准备工作。(2)之后使图像二值化,增强图像,分割图像,并对图像进行边缘检测。通过二值化,我们可以将图像简单化,使其成为简单的前景和背景两部分,去除不必要的信息,只保留我们所需信息。(3)本文采用基于叁帧差法的目标检测算法取而代之传统的两帧差法来增强图片的抗噪声能力,使得图像具有更清晰的轮廓和前景目标。(4)最后,本文通过使用将道路分割思想的k均值聚类算法,我们可以实现对违章行为的检测。本文的主要目标是获得有效的,识别率较高的车辆违章检测算法。通过运用本文设计提出的检测算法,我们可以方便、简单、有效、准确的完成对车辆闯红灯违章识别的检测。实验结果表明,该算法不仅满足实时性要求,而且能够高精度地检测红光违规。在功能和维护方面优于传统的检测方法。(本文来源于《吉林大学》期刊2018-12-01）
黄珑,周佳琪,唐婉玉[3]（2018）在《智能交通系统中车辆违章事件的检测》一文中研究指出近年来,我国经济快速发展的同时,人民生活水平也在不断提高,越来越多的人拥有汽车,居民汽车保有量不断上升。据公安部交通管理局统计,截至2017年底,全国机动车保有量达3.10亿辆,其中,汽车2.17亿辆,而汽车驾驶人多达3.42亿人。汽车数量过快地增长,给城市带来了一系列问题,比如城市交通拥堵、居民出行困难以及各种道路交通事故频发,仅2016年,我国涉及人员伤亡的道路交通事故就高达21.2846万起。各种事故的频发不仅使人们面临生命(本文来源于《物联网与无线通信-2018年全国物联网技术与应用大会论文集》期刊2018-11-29）
罗超[4]（2018）在《AI+双400万星光的违章检测最强利器——评测海康威视违章检测枪球联动系统》一文中研究指出记者观点这是能极大程度提升交通管理实战能力的产品,也是海康威视2018年的AI大作,其智能表现力将行业的AI水平再次拔高到新的深度应用阶段。一体化的双机结构,都具备400万星光效果,加之功能全面的智能能力和全新道路透视算法,它,就是当下针对交通违章行为最强利器。海康威视"见远,行更远"的宣传语,在此机中表现得恰如其分。(本文来源于《中国公共安全》期刊2018年08期）
许华胜,丁军航,任秀娟,孙金娜[5]（2018）在《基于CLM的驾驶员违章打电话检测系统设计》一文中研究指出为减少因违章打电话造成的交通事故发生,本文利用计算机视觉技术对驾驶员违章打电话的行为进行检测,基于受约束局部模型检测嘴部区域的特征变化,结合色调饱和度亮度(hue-saturation-valiue,HSV)彩色空间模型特征和模板匹配检测手部特征来判断驾驶员是否存在使用电话的行为。该方法可适应驾驶室内光线的复杂变化,达到较好的测试结果,且程序存在良好的可移植性,方便在嵌入式系统和车载机上实现。验证结果表明,该系统对光照有较好的抗干拢能力,可实现实时监测和输出,并对驾驶员的驾驶行为进行检测,而且与只检测手部皮肤来确定是否存在打电话的行为方法相比,本文方法具有更高的精度,减少了误报的出现。该研究可对驾驶员的违章行为进行及时有效的提醒,有利于减少交通事故,保证安全驾驶。(本文来源于《青岛大学学报(工程技术版)》期刊2018年02期）
张红瑞[6]（2018）在《基于视频图像处理的车辆违章行为检测方法研究》一文中研究指出近年来,由于城市人口的不断增加,机动车需求量呈上升趋势增长,因此带来了一系列交通问题,其中交通事故造成的影响尤为严重。交通事故的发生大多数是违章行车的后果,而传统的交通技术在解决这一问题上效果不尽人意,因此智能交通系统被国内外政府及科技人员关注,车辆违章行为检测系统作为智能交通系统重要的一项技术,具有研究的价值。本文研究的是基于视频图像处理的车辆违章行为检测方法,重点研究的违章行为是违规停车问题。主要包括运动目标检测、车辆识别和违章停车判断叁部分。在运动目标检测部分,由于原始Vibe算法存在一系列问题:如鬼影问题造成的虚假目标、检测到的运动目标不完整以及光线带来的阴影问题,提出了一种改进的Vibe算法。该算法采用五帧差分进行背景初始化,引入混合高斯模型进行运动目标检测,并在YCb Cr颜色空间消除阴影。通过实验结果可以看出,使用该算法可以较好地解决原始Vibe算法存在的问题。在车辆识别部分,本文使用多特征级联分类器进行车辆的识别,通过提取车辆的Haar-like特征和HOG特征,并使用Adaboost分类器进行训练,根据实验数据,可以得出该算法在车辆识别准确率上达到了预期效果。在车辆违章停车部分,本文采用像素灰度值的变化来判断是否违规。通过建立禁停区域,在禁停区域内计算背景像素灰度值,通过判断灰度值的变化来判断是否违停。本文提出的基于视频图像处理的车辆违章行为检测方法,通过实验结果可以表明,本文使用的算法在违章停车检测中准确率较高,能够满足交通管理部门实时检测的要求,具有较强的可行性和实用性。(本文来源于《西北师范大学》期刊2018-05-01）
赵成强[7]（2018）在《公路交通车辆违章行为检测与监控实现系统》一文中研究指出随着国民生活水平的提高,全国汽车保有量不断增加,随之而来的是各种交通安全事故时有发生。通过国家交通管理部门发布的交通事故分析显示,交通车辆的违章行为在所有交通故事诱发因素中占较大比例。进一步对这些交通违章行为进行技术分析,最为常见的违章行为包括车辆违停、非紧急情况下违规占用应急车道、随意变更车道等。在众多交通事故的背后往往存在着“小违章”导致“大事故”的现象,因驾驶人员交通安全意识薄弱,没有认识到交通车辆违章行为的危害,从而造成交通事故发生,严重的交通事故还可能造成重大财产损失和人员伤亡,影响公民出行安全。另一方面,国家正加快数字化智能交通监控系统建设,交通安防监控系统是整个智能交通监控体系中的重要组成部分。因此,加强交通违章行为系统建设,加快交通车辆违章行为检测研究具有重要的现实应用价值和市场前景。本文主要应用了计算机视觉处理技术、智能视频分析技术以及数字图像处理技术等相关前沿技术。所涉及的具体技术有图像处理技术、图像分割技术、目标检测与跟踪技术、数字信号采集与处理等相关技术。研究了能适应于公路交通场景监控的车辆违章行为监控系统,并重点对车辆违停、非紧急情况下违规占用应急车道、随意变更车道这叁种交通事故诱发率占比较高的车辆违章行为的检测识别实现方案进行了研究和设计,并通过系统开发调试和实现验证。具体包括:(1)本文对现有监控模式进行了优化设计,提出了一种基于视频流的自动保存取证监控系统。该系统主要针对现有交通监控模式中,采用的是视频检测自动抓拍的方式进行交通场景监控,整个监控模式实现系统有一个反应抓拍环节,整个抓拍环节涉及到一个控制信号的发出、传输、执行,需要一定的反应时间。本文提出的监控系统优势在于:在实际应用中,减少了反应抓拍环节,也就减少了很多信息传输环节,从而保证了整个监控系统的稳定性和实时性。(2)本文提出了一种基于几何坐标图像区域自由分割方法,在进行交通监控场景特定区域设置时,可通过此方法自由设置场景中所要监控的特殊区域。此方法是针对在进行公路交通违章停车和非紧急情况下违规占用应急车道监控时,采用的监控摄像头都是广角摄像头,在现实监控场景中,几乎采用的是角度偏差,视野调整等方法进行特别区域的监控,但这一定程度上限制的监控范围,而且还可能产生漏检或误检的情况。此方法优势在于:一是通过分割去掉了视频监控场景中许多无用的图像区域,在进行后续的相关图像像素处理时能减少计算量,一定程度上节约了图像信息处理运算时间,提升了整个监控系统的实时性。二是去除了图像中非特殊监控区域上其他车辆的图像信息,在进行后期的违章车辆车牌识别时,保证了系统识别准确率。(3)本文对这叁种常见车辆违章行为的检测实现方案进行了优化设计,通过监控软件系统设计开发,程序编写和相关算法调用,采用本地监控视频素材,验证了本文优化设计的监控模式的有效性和叁种常见违章行为的检测实现方案的可行性和实效性。通过相关测试验证,取得了较好的结果,并对相应输出结果进行总结分析,所得测试结果基本达到了方案设计效果,对进行实地交通场景实时监控和车辆违章行为检测提供了优化的解决方案。(本文来源于《成都理工大学》期刊2018-05-01）
张征[8]（2018）在《星光自动检测抓拍技术在违章停车领域的深度应用》一文中研究指出目前随着城市规模的不断扩展及人均汽车保有量的逐年上涨,违章停车现象无疑成为城市的顽疾,对道路的畅通以及行人安全均存在严重影响。有效地规范停车无疑成为解决这一问题的重心所在,对违反交通规则的行为及时准确地进行取证查处,是道路监控的关键问题。而现有监控系统的监控能力和监控有效性还基本停留在人工操作监控,在发现有违章停车情况时,执法人员手动控制云台摄像机进行拉近、拍摄车辆的车牌号码及交通标志等,完成后需手(本文来源于《中国公共安全》期刊2018年04期）
张栩婕,胡庆武[9]（2019）在《DInSAR形变异常的建筑物违章检测方法》一文中研究指出针对面对大区域变化检测时采用多源遥感影像进行建筑物违章变化检测面临效率低、准确性差的问题,该文提出了一种基于合成孔径雷达差分干涉测量(DInSAR)异常形变的多源遥感建筑物违章变化检测方法。首先,对建筑物DInSAR形变特性进行分析,利用DInSAR形变异常分析对建筑物违章变化区域进行定位;其次,依据DInSAR形变分析确定的建筑物变化范围,采用光学影像进行局部变化检测,实现DInSAR与光学影像融合的建筑物违章变化检测;最后,利用该方法对某区域的DInSAR影像和光学影像进行建筑物违章检测实验。结果表明,该方法能够快速定位违章建筑物,有效检测建筑物违章图斑。(本文来源于《测绘科学》期刊2019年04期）
吴玉枝,熊运余,吴洋[10]（2018）在《基于卷积神经网络的违章停车事件检测》一文中研究指出针对城市中大量的违章停车事件设计一种快速准确的检测算法,实现对车辆违章停车行为的实时预警。利用一种改进的卷积神经网络(CNN)快速学习车辆特征,并能直接预测视频帧中目标车辆的位置和所属类别,然后通过弱特征跟踪判断目标车辆在禁停区域是否有违章停车行为。实验结果表明,该方法对违章停车行为的检测准确率为93.92%,速度>20fps,具有很强的适应性,适用于真实视频监控下智慧城管系统精确实时的要求。(本文来源于《现代计算机(专业版)》期刊2018年02期）
违章检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着经济的快速发展和人民生活水平的普遍提高,现如今,道路上的车辆越来越多且越来越多的家庭普遍采用汽车作为交通工具。由于人口众多,车辆的普及给我们带来许多的问题。为了解决交通监管繁琐的问题,为了更好地管理和运营道路的车辆,保证车辆的安全行驶得到了更为广泛的关注,由此产生了车辆智能交通系统(Intelligent transportation system,简称ITS)。越来越多的研究人员分别提出了基于图像的车辆闯红灯违章识别系统进行调节与检测。智能交通系统是计算机技术及电子信息技术的应用,是我国优先发展的重点高新技术产业。车辆检测系统,也称作智能交通检测系统(ITS),是将多种技术结合起来应用在交通领域,实现现代智能信息管理的应用系统,用来实现现代化的交通智能管理。通过ITS的广泛应用,可以提高道路的通行能力,带来有利与人们生活的经济和社会效益。随着科学技术的发展,采用基于图像的车辆闯红灯违章识别系统逐渐崭露头角,通过高效的利用计算机数字图像处理技术,使得交通检测系统的维护与效果均取得了显着地提高。闯红灯违章的检测是智能交通系统中的关键技术之一,根据十字路口的实践和车辆运行红灯的特点,本文所研究的是基于图像的车辆闯红灯的违章的识别与检测,详细阐述了“基于图像识别的车辆闯红灯违章识别系统”的结构、技术及其功能。本文主要研究车辆闯红灯违章的检测方法,通过对目标图像的采集、对目标图像的预处理、提取运动目标、识别违章行为等步骤,完成对违章车辆闯红灯行为的检测。其主要工作内容分为以下几个方面:(1)对图像进行预处理,我们使用灰度变换、直方图变换、以及锐化和平滑去噪处理等手段。实现了图像的噪声和畸变的消除,为下一步的识别做好准备工作。(2)之后使图像二值化,增强图像,分割图像,并对图像进行边缘检测。通过二值化,我们可以将图像简单化,使其成为简单的前景和背景两部分,去除不必要的信息,只保留我们所需信息。(3)本文采用基于叁帧差法的目标检测算法取而代之传统的两帧差法来增强图片的抗噪声能力,使得图像具有更清晰的轮廓和前景目标。(4)最后,本文通过使用将道路分割思想的k均值聚类算法,我们可以实现对违章行为的检测。本文的主要目标是获得有效的,识别率较高的车辆违章检测算法。通过运用本文设计提出的检测算法,我们可以方便、简单、有效、准确的完成对车辆闯红灯违章识别的检测。实验结果表明,该算法不仅满足实时性要求,而且能够高精度地检测红光违规。在功能和维护方面优于传统的检测方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
违章检测论文参考文献
[1].唐洁.基于改进的卷积神经网络的违章停车检测[D].安徽大学.2019
[2].裴莹莹.基于视频图像处理的车辆闯红灯违章的检测方法研究[D].吉林大学.2018
[3].黄珑,周佳琪,唐婉玉.智能交通系统中车辆违章事件的检测[C].物联网与无线通信-2018年全国物联网技术与应用大会论文集.2018
[4].罗超.AI+双400万星光的违章检测最强利器——评测海康威视违章检测枪球联动系统[J].中国公共安全.2018
[5].许华胜,丁军航,任秀娟,孙金娜.基于CLM的驾驶员违章打电话检测系统设计[J].青岛大学学报(工程技术版).2018
[6].张红瑞.基于视频图像处理的车辆违章行为检测方法研究[D].西北师范大学.2018
[7].赵成强.公路交通车辆违章行为检测与监控实现系统[D].成都理工大学.2018
[8].张征.星光自动检测抓拍技术在违章停车领域的深度应用[J].中国公共安全.2018
[9].张栩婕,胡庆武.DInSAR形变异常的建筑物违章检测方法[J].测绘科学.2019
[10].吴玉枝,熊运余,吴洋.基于卷积神经网络的违章停车事件检测[J].现代计算机(专业版).2018
论文知识图
