基于深度学习的隧道视频车辆检测

• 作者: 姜冬阳 张建阳 杨瑞建 张震 王先勇 袁彦各
• 来源期刊: 交通科技与管理
• 学科: 社会科学
• 关键词: 智能交通 深度学习 隧道视频 车辆检测
• 年，卷（期）: 2021,（3）
• 页码范围: 0001-0002
• 页数: 2页
• 分类号: C

摘要

针对现有的基于视频进行车辆自动识别的方法在隧道交通拥堵路段存在提取图像特征困难、识别效果差等问题,本文提出了基于深度学习的隧道视频车辆检测的方法。(1)对视频图像进行道路区域的界定,用人工勾勒出感兴趣区域ROI作为待检测区域,并基于形态学检测方法将待检测区域进行子块划分;(2)对图像子块进行公交车、小汽车和道路标线分类,据此建立图像基准库;(3)建立CaffeNet深度学习模型,利用图像基准库对CaffeNet模型进行训练测试。结果显示,公交车和道路标线识别准确率为100%,小汽车识别准确率为98.80%,表明本方法可准确有效地识别隧道交通视频中的车辆种类及道路标线。