基於機器學習之自持式道路監控系統設計

Design of Self - Sustaining Road Monitoring System Based on Machine Learning

丁凡(Fan Ding)

指導教授 ： 丁肇隆

國立臺灣大學/工學院/工程科學及海洋工程學研究所/碩士(2017年)

https://doi.org/10.6342/NTU201704107

摘要

隨著數位錄影設備的普及，越來越多的道路安裝有道路監控影像，這些影像不僅能用於道路路況的監控，還可以為通行計費、違規取證等提供依據。本文主要目標是建立一個自持式的道路監控系統，藉由機器學習提供的車輛辨識能力與低功耗的無線電系統，這個系統可以在沒有電力與網路支持的環境中獨立監控，並且能與現有道路監控系統整合運作。
　　我們基於ImageNet的車輛圖像，訓練了一個全卷積神經網路用於識別道路中的車輛、行人等目標物件，提取了影像中的物件類別與路徑信息，大幅減少了傳統視頻監控的數據傳輸量。這使得監控可以使用170mHz無線電作為通訊系統，並且基於Google Map的開放應用介面，我們的系統整合了臺灣高速公路局、公路總局、以及臺北市交通管制工程處的即時道路監控影像，能夠比傳統路況監控供更多實用的資訊。
　　實驗結果顯示，原始的影像經過卷積神經網絡提取類別信息後，信息大小縮小了95%以上，即便利用170mHz無線電也可以在1km距離上做到即時監控信息的回傳。同時利用Google Map API可以在單一地圖上整合各個來源的道路監控資訊，方便查看某個區域各個路口的交通狀況。

關鍵字

道路監控 ； 卷積神經網絡 ； 無線電通訊

並列摘要

無資料

並列關鍵字

road monitoring ； convolution neural network ； radio communication

參考文獻

[1] MacQueen, J. B. Some Methods for classification and Analysis of Multivariate Observations. Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. University of California Press: 281–297. 1967.

[2] Boser, B. E.; Guyon, I. M.; Vapnik, V. N. A training algorithm for optimal margin classifiers. Proceedings of the fifth annual workshop on Computational learning theory – COLT '92. 1992: 144.

[3] P. J. Werbos. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences. PhD thesis, Harvard University, 1974.

[4] Y. LeCun, L. Bottou, Y. Bengio and P. Haffner: Gradient-Based Learning Applied to Document Recognition, Proceedings of the IEEE, 86(11):2278-2324, November 1998.

[5] Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "Imagenet classification with deep convolutional neural networks." Advances in neural information processing systems. 2012.