基于目标跟踪和迁移学习的多车型流量检测方法

摘要：

针对视频车流量统计、车型识别准确率不高的问题,提出一种基于目标跟踪和卷积神经网络(convolutional neural network,简称CNN)迁移学习的多车型车流量检测方法.采用CNN预训练模型MobileNet对实验场景的车辆样本迁移学习,得到车型分类模型;从视频中提取运动车辆,对相邻帧车辆的中心点进行分析,建立目标跟踪模型;将新检测到的车辆输入到车型分类模型,按小车、货车、客车3种车型计数.实验结果表明,该方法与基于虚拟线圈、基于支持向量机等检测方法相比,车流量的检测准确率为98.7％,提高了3％,车型分类的平均准确率为96.8％,提高了7％以上.

关键词：车流量检测、车型识别、目标跟踪、迁移学习

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61565004;桂林市科学研究与技术开发计划20150133-3

在线出版日期：2019-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：119-123