一种基于卷积神经网络的车辆检测方法

论文摘要

介绍了一种基于卷积神经网络的车辆识别方法。该方法首先对车道线进行边缘检测,采用车道线模型进行匹配,从而确定道路感兴趣区域。然后采集道路视频,对其中的车辆目标进行标注,制作车辆数据集,再设计一种卷积神经网络,利用车辆数据集训练检测器,使检测器适应于车辆二分类识别的任务。最后在道路感兴趣区域中检测车辆。相较于传统的车辆识别方法,该方法具有较好的准确性与鲁棒性,在复杂行驶环境下的识别效果令人满意。

论文目录

• 0 引言
• 1 识别算法流程
• 2 图像预处理
•   2.1 高斯滤波
•   2.2 边缘检测
•   2.3 车道线模型匹配
• 3 车辆检测系统架构
•   3.1 卷积神经网络
•   3.2 Faster R-CNN算法
•     3.2.1 区域建议网络核心思想
•     3.2.2 区域建议的损失函数
•     3.2.3 特征共享
•   3.3 车辆检测
•     3.3.1 训练车辆检测器
•     3.3.2 车辆检测
• 4 结论

文章来源

类型: 期刊论文

作者: 叶运生

关键词: 卷积神经网络,车辆识别,鲁棒性

来源: 农业装备与车辆工程 2019年02期

年度: 2019

分类: 农业科技,工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 合肥工业大学汽车与交通工程学院

基金: 安徽省科技重大专项计划项目“智能纯电动汽车整车控制器关键技术研究”(15czz02039)

分类号: U495;TP183

页码: 44-48

总页数: 5

文件大小: 1342K

下载量: 174