结合动态概率定位模型的道路目标检测

• 作者: 左治江 梅天灿 胡军 郑文远
• 来源期刊: 江汉大学学报（自然科学版）
• 学科: 工学
• 关键词: 道路影像 车辆检测 概率定位模型 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能交通
• 页码范围: 77-85
• 页数: 9页
• 分类号: TP391.4
• 字数: 3803字
• 语种: 中文
• DOI: 10.16389/j.cnki.cn42-1737/n.2020.02.012

摘要

道路目标的识别与定位一直是无人驾驶和视频监控领域中的重要课题之一.以道路监控影像中的车辆为目标,提出一种端到端卷积神经网络车辆检测模型(HyperLocNet).该模型首先利用区域生成网络(R P N)产生初始候选框,采用动态概率定位模型,给出目标在以初始候选框为中心的搜索区域内的精确位置,提高定位模型的稳定性和收敛性.动态概率模型通过输出搜索区域包含目标的概率,提供丰富的信息用于精确定位.在此基础上,HyperLocNet联合训练目标定位和识别任务实现端到端检测,提高定位精度和检测效率,并在监控视频中采集的道路目标数据集上进行试验,具有很好的检测性能,并且能够达到13帧/s的检测速度,具有实时处理的潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左治江	江汉大学机电与建筑工程学院	27	103	6.0	9.0
2	梅天灿	武汉大学电子信息学院	27	341	12.0	18.0
3	郑文远	武汉大学电子信息学院	2	1	1.0	1.0
4	胡军	江汉大学机电与建筑工程学院	1	0	0.0	0.0