基于深度学习的多角度车辆动态检测方法

• 作者: 张运胜 李泽萍 李浩 连捷
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 车辆检测 深度学习 卷积神经网 微型神经网
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 37-44
• 页数: 8页
• 分类号: U495
• 字数: 5574字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2017.05.005

摘要

针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络(MLP-CNN)用于传统算法的改进.使用快速候选区域提取算法提取图像中可能存在车辆的区域,之后使用深层卷积神经网络(CNN)提取候选区域的特征,并在卷积层中增加微型神经网络(MLP)对每层的特征进一步综合抽象,最后使用支持向量机(SVM)区分目标和背景的CNN特征.实验表明,该方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征检测,识别率高达87.9％,耗时仅需225ms,比常用方法效率有大幅度提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李浩	西安文理学院西安市物联网应用工程重点实验室	31	95	4.0	8.0
3	连捷		6	16	2.0	4.0
6	张运胜	东南大学交通学院	2	38	2.0	2.0
7	李泽萍	西安文理学院西安市物联网应用工程重点实验室	1	10	1.0	1.0