基于深度学习的无人机航拍车流量监测

• 作者: 牛康力 谌雨章 张龚平 谭前程 王绎冲 罗美琪
• 来源期刊: 计算机科学
• 关键词: 深度学习 残差网络 车辆识别 车流量监测 智能交通
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 智能计算|Intelligent Computing
• 页码范围: 275-280
• 页数: 6页
• 分类号: TN911.73|TP183
• 语种: 中文
• DOI: 10.11896/jsjkx.200900149

摘要

随着智慧城市概念的普及,交通道路智能化管理已成为学者关注的热点.针对道路的车流量统计问题,文中基于深度学习方法,提出了基于残差网络的无人机航拍车流量监测算法,该算法引入了全连接的多尺度残差学习分块(FMRB),在解决梯度弥散现象的同时使得图像特征能够被更好地提取和学习.现有的车辆检测算法准确率较低,且大多数仅能对车辆进行检测,不能对车流量进行统计.文章结合视频帧估计方法,实现了车流量的实时监测与统计.在车辆检测性能上将所提算法与SSD,YOLOv2,YOLOv3算法进行对比,结果表明,在自建数据集训练的条件下,所提算法引入多尺度残差学习分块(FMRB)对遥感图像进行车辆识别,能够取得更高的识别精度;在实地车流量监测中,所得结果误检率小于1％,具有较强的实用效果.