基于Faster RCNN的智能车道路前方车辆检测方法

• 作者: 史凯静 徐冰心 潘卫国 郑颖 鲍泓
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 智能车 前方车辆 深度卷积神经网络 训练模型 准确率
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 智能交通专题
• 页码范围: 36-41
• 页数: 6页
• 分类号: TP301.6
• 字数: 3582字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050993

摘要

使用Fast RCNN方法进行特征提取存在耗时较长且检测准确率较低的问题.为此,结合Faster RCNN前方车辆检测模型与3种不同大小的卷积神经网络,提出一种改进的前方车辆检测方法,研究对比各方法在3种交通场景数据库上的前方车辆检测能力.实验结果表明,与深度卷积神经网络方法相比,该方法提高了车辆检测的准确性和鲁棒性,具有一定的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍泓	北京联合大学北京市信息服务工程重点实验室	64	519	12.0	20.0
2	潘卫国	北京联合大学北京市信息服务工程重点实验室	5	37	3.0	5.0
3	史凯静	北京联合大学北京市信息服务工程重点实验室	2	29	2.0	2.0
4	徐冰心	北京联合大学北京市信息服务工程重点实验室	2	23	1.0	2.0
5	郑颖	北京联合大学北京市信息服务工程重点实验室	3	48	3.0	3.0