國立虎尾科技大學 |

Language: English

Back

基於深度學習之車輛速度估算 = = Deep Learning-base...

陳韋翔

基於深度學習之車輛速度估算 = = Deep Learning-based Vehicle Speed Estimation /

Record Type:	Language materials, printed : Monograph/item
Title/Author:	基於深度學習之車輛速度估算 =/ 陳韋翔.
Reminder of title:	Deep Learning-based Vehicle Speed Estimation /
remainder title:	Deep Learning-based Vehicle Speed Estimation.
Author:	陳韋翔
Published:	雲林縣 :國立虎尾科技大學 , : 民113.07.,
Description:	[8], 48面 :圖, 表 ; : 30公分.;
Notes:	指導教授: 詹竣傑.
Subject:	車速估算. -
Online resource:	電子資源

基於深度學習之車輛速度估算 = = Deep Learning-based Vehicle Speed Estimation /
陳韋翔

基於深度學習之車輛速度估算 =Deep Learning-based Vehicle Speed Estimation /Deep Learning-based Vehicle Speed Estimation.陳韋翔. - 初版. - 雲林縣 :國立虎尾科技大學 ,民113.07. - [8], 48面 :圖, 表 ;30公分.

指導教授: 詹竣傑.

碩士論文--國立虎尾科技大學資訊工程系碩士班.

含參考書目.

在許多先進國家使用的智慧運輸系統(Intelligent Transportation System, ITS)，針對如何降低交通壅塞的問題，車速的估算是一個重要關鍵之一，因此，得知即時與準確的車速對於改善交通有很大的助益。本論文使用深度學習演算法 YOLOv5與感興趣區域(Region of Interest, ROI)等電腦視覺技術進行高速公路之車輛物件偵測、追蹤與估算車速，將高速公路各車道進行車輛計數與車速估算，以保證各車道的車輛能夠準確地被偵測到，而在物件偵測時，當車輛中心點進入ROI範圍的起始線時，開始進行追蹤，直到車輛離開ROI範圍的終點線，才停止追蹤，利用記錄進出ROI範圍的位置與時間進行車速估算；並以BrnoCompSpeed數據集中提供的影片，從中選取車輛速度快、速度中與速度慢三種不同場景進行驗證，同時以平均車速、標準差、變異數與準確率，成功地驗證所提方法之準確度與有效性。另外，本論文也與其他方法進行比較，以平均誤差、中位數誤差、平均精確率、平均召回率及處理速度，來說明所提方法所在速度與準確度上的優劣勢。最後本論文使用交通部高速公路局所提供的高速公路即時影像，證明所提方法的可用性與有效性。.

(平裝)Subjects--Topical Terms:

1451472
車速估算.

基於深度學習之車輛速度估算 = = Deep Learning-based Vehicle Speed Estimation /
LDR:03801cam a2200241 i 4500 001 1129966
008 241015s2024 ch ak erm 000 0 chi d
035 $a (THES)112NYPI0392016
040 $a NFU $b chi $c NFU $e CCR
041 0 # $a chi $b chi $b eng
084 $a 008.163M $b 7548 113 $2 ncsclt
100 1 $a 陳韋翔 $3 1449002
245 1 0 $a 基於深度學習之車輛速度估算 = $b Deep Learning-based Vehicle Speed Estimation / $c 陳韋翔.
246 1 1 $a Deep Learning-based Vehicle Speed Estimation.
250 $a 初版.
260 # $a 雲林縣 : $b 國立虎尾科技大學 , $c 民113.07.
300 $a [8], 48面 : $b 圖, 表 ; $c 30公分.
500 $a 指導教授: 詹竣傑.
500 $a 學年度: 112.
502 $a 碩士論文--國立虎尾科技大學資訊工程系碩士班.
504 $a 含參考書目.
520 3 $a 在許多先進國家使用的智慧運輸系統(Intelligent Transportation System, ITS)，針對如何降低交通壅塞的問題，車速的估算是一個重要關鍵之一，因此，得知即時與準確的車速對於改善交通有很大的助益。本論文使用深度學習演算法 YOLOv5與感興趣區域(Region of Interest, ROI)等電腦視覺技術進行高速公路之車輛物件偵測、追蹤與估算車速，將高速公路各車道進行車輛計數與車速估算，以保證各車道的車輛能夠準確地被偵測到，而在物件偵測時，當車輛中心點進入ROI範圍的起始線時，開始進行追蹤，直到車輛離開ROI範圍的終點線，才停止追蹤，利用記錄進出ROI範圍的位置與時間進行車速估算；並以BrnoCompSpeed數據集中提供的影片，從中選取車輛速度快、速度中與速度慢三種不同場景進行驗證，同時以平均車速、標準差、變異數與準確率，成功地驗證所提方法之準確度與有效性。另外，本論文也與其他方法進行比較，以平均誤差、中位數誤差、平均精確率、平均召回率及處理速度，來說明所提方法所在速度與準確度上的優劣勢。最後本論文使用交通部高速公路局所提供的高速公路即時影像，證明所提方法的可用性與有效性。.
520 3 $a Intelligent Transportation Systems (ITS) are used to address traffic congestion issues in many advanced countries. One critical aspect of mitigating congestion is the estimation of vehicle speed. Accurate and real-time speed data significantly contribute to traffic improvement. This thesis employs deep learning algorithms, specifically YOLOv5, along with computer vision techniques such as Region of Interest (ROI) to detect, track, and estimate vehicle speeds on highways. By counting vehicles and estimating their speeds across different lanes, we ensure precise detection for each lane. In object detection, tracking begins when the center point of the vehicle enters the starting line of the ROI range and continues until the vehicle leaves the endpoint line of the ROI range. The recorded positions and times of entry and exit from the ROI are used to estimate the vehicle's speed We validate the proposed method using the BrnoCompSpeed dataset, selecting videos with fast, medium, and slow vehicle speeds. The validation is performed using metrics such as average speed, standard deviation, variance, and accuracy, successfully demonstrating the accuracy and effectiveness of the proposed method. Furthermore, we compare our method with other approaches using metrics like mean error, median error, mean precision, mean recall, and processing speed to illustrate its strengths and weaknesses in terms of speed and accuracy. Finally, the proposed method is validated using real-time highway images provided by the Ministry of Transportation and Communications, demonstrating its usability and effectiveness..
563 $a (平裝)
650 # 4 $a 車速估算. $3 1451472
650 # 4 $a 深度學習. $3 1127425
650 # 7 $2 lcstt $a 電腦視覺. $3 916734
650 # 4 $a 高速公路. $3 1451473
650 # 4 $a Vehicle Speed estimation. $3 1451474
650 # 4 $a Computer vision. $3 561800
650 # 4 $a Deep learning. $3 1127428
650 # 4 $a Highway. $3 1451475
856 7 # $u https://handle.ncl.edu.tw/11296/7sjcf2 $z 電子資源 $2 http