基于改进Faster R-CNN的无人机视频车辆自动检测

• 作者: 唐聚 张媛媛 彭博 蔡晓禹 谢济铭
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 智能交通 车辆检测 深度学习 无人机视频 Faster R-CNN
• 年，卷（期）: 2019,（6）
• 页码范围: 1199-1204
• 页数: 6页
• 分类号: U491.1
• 字数: 4961字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2019.06.025

摘要

为了从广域视角准确提取道路交通信息,提出了一种用于无人机视频车辆自动识别的改进Faster R-CNN模型.该模型以基于ZF网络的Faster R-CNN为原型,优化调整学习策略、训练图像尺寸、学习率等模型参数,调整RPN网络卷积核并引入SoftNMS算法,增加1～3个特征提取卷积层和激活层.基于无人机交通视频构建了训练图像集,对现有Faster R-CNN模型及改进模型进行训练和测试.结果显示,与采用Step学习策略的模型相比,采用学习策略Inv的模型车辆识别平均准确率提高了0.4％～9.4％.引入SoftNMS算法的模型比引入前的模型平均准确率提高了0.1％～7.9％.提出的改进模型平均准确率为94.6％,较基于ZF的Faster R-CNN模型、基于VGGM的Faster R-CNN模型和基于VGG16的Faster R-CNN模型分别提高了13.1％、13.1％和4.1％,且训练时间减少约3％,对多种场景的视频车辆检测具有较好的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡晓禹	重庆交通大学山地城市交通系统与安全重庆市重点实验室	35	126	6.0	10.0
5	彭博	重庆交通大学山地城市交通系统与安全重庆市重点实验室	24	45	4.0	6.0
9	张媛媛	重庆交通大学交通运输学院	9	5	1.0	1.0
10	唐聚	重庆交通大学交通运输学院	7	4	1.0	1.0
11	谢济铭	重庆交通大学交通运输学院	6	4	1.0	1.0