基于目标跟踪和迁移学习的多车型流量检测方法

• 作者: 曾星宇 熊显名 程海博
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 车流量检测 车型识别 目标跟踪 迁移学习
• 年，卷（期）: 2019,（2）
• 页码范围: 119-123
• 页数: 5页
• 分类号: TP391
• 字数: 2928字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-808X.2019.02.007

摘要

针对视频车流量统计、车型识别准确率不高的问题,提出一种基于目标跟踪和卷积神经网络(convolutional neural network,简称CNN)迁移学习的多车型车流量检测方法.采用CNN预训练模型MobileNet对实验场景的车辆样本迁移学习,得到车型分类模型;从视频中提取运动车辆,对相邻帧车辆的中心点进行分析,建立目标跟踪模型;将新检测到的车辆输入到车型分类模型,按小车、货车、客车3种车型计数.实验结果表明,该方法与基于虚拟线圈、基于支持向量机等检测方法相比,车流量的检测准确率为98.7％,提高了3％,车型分类的平均准确率为96.8％,提高了7％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊显名	桂林电子科技大学电子工程与自动化学院	99	367	10.0	14.0
5	曾星宇	桂林电子科技大学电子工程与自动化学院	3	2	1.0	1.0
6	程海博	桂林电子科技大学电子工程与自动化学院	2	0	0.0	0.0