改进的Yolo_v2违章车辆检测方法

• 作者: 张成标 张润 张炳力 程进 童宝宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Yolo_v2 残差网络 多尺度 激活函数 多方位 违章检测
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 104-110
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0382

摘要

近年来,我国随着汽车保有量增长迅速,由汽车造成的交通压力及安全隐患也逐年递增,对道路上车辆行为进行监督也变得尤为重要.提出了利用改进的Yolo_v2卷积神经网络来进行车辆检测.对原Yolo_v2网络进行结构改进,添加残差网络来提高检测准确率,添加多尺度层来提升对图片中不同尺寸目标的检测精度;基于Elu激活函数设计出Kelu激活函数,进一步提高检测准确率;制作多方位车辆数据集及车牌数据集;将车辆检测系统与车牌检测系统集成到ROS系统中,并与QT-Creator可视化界面通信,以便更清晰地观测实验结果.实验结果表明,利用改进后的Yolo_v2卷积神经网络对道路上的车辆进行违章检测有着优越的表现.