基于卷积神经网络的汽车试验场外物入侵识别

• 作者: 向华荣 曾敬
• 来源期刊: 重庆交通大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 车辆工程 汽车试验场 外物入侵 卷积神经网络 目标检测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 交通+大数据人工智能
• 页码范围: 8-14
• 页数: 7页
• 分类号: U467.5+1
• 字数: 4697字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-0696.2020.01.02

摘要

为了对汽车试验场的外物入侵进行识别并预警,结合现有监控系统,利用Tensorflow搭建Faster-RCNN框架,分别使用InceptionV2和ResNet101作为核心卷积神经网络,用自建的标注数据集进行最终训练,利用得到的模型进行迁移测试,试验结果表明:InceptionV2系统的平均精度值为81.7％,ResNet101系统的平均精度值为84.1％.将两种系统结合Opencv的图像抓取功能及现有摄像监控设备进行联合测试,结果表明两种系统均能在阴天和低像素摄像头搭配下实时对高速或慢速移动的物体进行识别、分类、标注、预警.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向华荣		4	2	1.0	1.0
5	曾敬		3	1	1.0	1.0