基于形态检测与深度学习的高空视频车辆识别

摘要：

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法.首先,基于形态检测建立候选目标提取算法,并构建了含244520个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet进行重构,提出了改进模型AlexNet;最后,建立了基于候选目标提取算法与AlexNet的车辆识别方法.验证分析显示:AlexNet的图像分类F1均值达85.51％,优于AlexNet(82.54％)、LeNet(63.88％)、CaffeNet(46.64％)、VGG16(16.67％)及GoogLeNet(14.38％);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63％、6.87％、4.40％,可有效识别无人机视频目标.

关键词：智能交通、车辆识别、深度学习、无人机视频、形态检测

所属期刊栏目：19

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：国家自然科学基金/National Natural Science Foundation of China61703064;重庆市基础前沿与技术创新项目/Chongqing Research Program of Basic Research and Frontier Technology Innovationcstc2017jcyjAX0473;城市交通管理集成优化重点实验室开放基金/Scientific Research Project of Key Laboratory of Urban ITS Technology Optimization2017KFKT01

在线出版日期：2020-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：45-51