基于区域卷积神经网络的车辆检测方法

被引：1

作者：

封晶

机构：

[1] 江西理工大学信息工程学院

来源：

科技广场 | 2017年 / 03期

关键词：

候选区域; 车辆检测; 卷积神经网络; 深度学习; 支持向量机;

D O I：

10.13838/j.cnki.kjgc.2017.03.002

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

为了解决传统车辆检测存在的问题,提高车辆检测的准确度,本文提出将区域卷积神经网络算法应用到车辆检测中。该算法利用图像的颜色层次特征,获取潜在的车辆候选区域;建立卷积神经网络结构,使用车辆样本库进行特征训练,提取候选区域特征;选定正负样本进行SVM分类器训练,采用SVM分类器进行最终的候选区域分类,最后得到车辆信息。本文使用的算法能够检测出图像中的车辆,剔除非车辆区域,有效提高车辆检测的准确性,并且具有一定的实时性。

引用

页码：10 / 14

页数：5

共 12 条

[1] 基于混合高斯模型的运动车辆检测方法 [J].

卢清华 ;

吴志伟 ;

范彦斌 ;

张宪民 .

光电子激光., 2013, 24 (04) :751-757

[2] Efficient graph-based image segmentation [J].

Felzenszwalb, PF ;

Huttenlocher, DP .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 59 (02) :167-181

[3]

A SIFT-SVM method for detecting cars in UAV images. MORANDUZZO T,MELGANI F. Geoscience and Remote Sensing Symposium IGARSS IEEE International . 2012

[4]

Vehicle rear detection in images with generalized radialbasisfunction classifiers. BERGMILLER P,BOTSCH M,SPETH J,HOFMANN U. IEEE Intelligent Vehicles Symposium . 2008

[5] 采用视觉显著性和深度卷积网络的鲁棒视觉车辆识别算法 [J].