基于中心点检测的车流统计方法研究

摘要：

由于尺度变化、角度变化及遮挡问题,对图像中的车流数量进行估计具有较大的挑战.随着深度学习的发展,利用基于多列或多网络的神经网络模型来提取尺度相关的特征,以提升密度估计的精度,但是,这些模型在进行优化训练时较为复杂,且需要消耗巨大的计算资源.鉴于此,论文提出一种通过基于中心点检测的卷积操作,来提取车辆相关的特征信息,根据检测到的结果和标注数据构建Focal Loss,从而实现对高密度车流的估计.实验表明,该模型具有较高的精度和较好的鲁棒性.

关键词：中心点检测、卷积神经网络、车流密度估计、车流统计

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省教育厅专项科研计划项目;国家自然科学基金项目

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1350-1353