基于卷積神經網絡的交通物體識別系統(tǒng)的設計與實現.pdf

1、隨之我國經濟社會的不斷向前發(fā)展，城市中的人口以及汽車保有量不斷增多，城市交通問題日益突出。智能交通系統(tǒng)的中存儲著大量高清圖片，這些交通圖像數據中包含著大量有價值信息，是警察部門破案、刑偵以及解決交通問題的重要工具。但是，傳統(tǒng)的智能交通系統(tǒng)中，缺乏有效的方案來提取圖像數據中的信息，特別是對于交通場景下的行人、車輛等物體識別任務，目前仍是以人工識別方式為主，浪費人力警力，慢速低效。針對交通系統(tǒng)每天產生的海量圖片與智能交通系統(tǒng)物體識別能力不足

2、之間的矛盾，我們設計實現了面向交通圖像數據的快速物體識別系統(tǒng)，旨在利用先進的計算機技術，實現快速的交通圖像物體識別，提取有效信息，輔助警方工作。
　　在調研過程中，發(fā)現卷積神經網絡作為近年來計算機視覺領域的前沿技術，在物體定位、物體識別、物體分類等多個領域都取得了很好效果，受到了學術界與工業(yè)界的高度關注。因此，我們選擇利用卷積神經網絡來進行物體識別任務，并且利用回歸思想結合卷積神經網絡來減少中間操作，實現快速的物體識別。而且，考慮

3、到GPU在圖像數據處理中的強大能力，在某些環(huán)節(jié)采用CUDA編程方式，進一步加快處理速度。
　　基于卷積神經網絡的快速物體識別系統(tǒng)，采用模塊化設計方案，各個模塊均選擇成熟技術進行開發(fā)。采用卷積神經網絡作為物體識別技術，并利用GPU的高計算能力進一步加速識別過程，主要采用C/C++進行開發(fā)，在卷積網絡模塊會引入CUDA編程來加快運行速度，實現快速高效識別。數據接入采用成熟的Inotify技術，采用主動方式去獲得相關數據，進一步減少延遲