基于卷积神经网络和RGB-D图像的车辆检测算法

被引：17

作者：

王得成 ^{[1
]}

陈向宁 ^{[2
]}

赵峰 ^{[1
,3
]}

孙浩燃 ^{[4
]}

机构：

[1] 航天工程大学研究生院

[2] 航天工程大学航天信息学院

[3] 部队

[4] 酒泉卫星发射中心

来源：

激光与光电子学进展 | 2019年 / 18期

关键词：

图像处理; 车辆检测; 计算机视觉; 卷积神经网络; RGB-D图像;

D O I：

暂无

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用]; TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

0838 ; 080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对利用彩色图像进行车辆检测时会受到路面阴影、车辆反光和光线不足等复杂情况影响的问题,提出一种基于卷积神经网络并融合彩色与深度图像的车辆检测算法。设计单通道RG-D融合网络和双通道RGB-D融合网络两种改进模型,分别用于提高检测速度和准确度。实验使用GTA(Grand Theft Auto)车辆数据集对该算法进行测试,并与基于RGB图像的其他流行算法进行对比和分析,结果表明:与基于彩色图像的Yolo v2算法相比,利用双通道RGB-D融合网络检测的准确率和召回率分别提升5.69%和6.31%,利用单通道RG-D融合网络对单一图像的最快检测速度达到24ms。实验证明,基于RGB-D图像的改进网络模型能够实现实时检测,并有效提高车辆检测精度。

引用

页码：119 / 126

页数：8

共 8 条

[1] 基于双流卷积神经网络的RGB-D图像联合检测 [J].