原文传递
基于深度学习的多角度车辆动态检测方法
| 题名： | 基于深度学习的多角度车辆动态检测方法 |
| 正文语种： | 中文 |
| 作者： | 李浩；张运胜；连捷；李泽萍； |
| 关键词： | 智能交通；车辆检测；深度学习；卷积神经网；微型神经网 |
| 摘要： | 针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络(MLP-CNN)用于传统算法的改进。使用快速候选区域提取算法提取图像中可能存在车辆的区域,之后使用深层卷积神经网络(CNN)提取候选区域的特征,并在卷积层中增加微型神经网络(MLP)对每层的特征进一步综合抽象,最后使用支持向量机(SVM)区分目标和背景的CNN特征。实验表明,该方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征 |
| 期刊名称： | 交通信息与安全 |
| 出版年： | 2017 |
| 期： | 05 |
| 页码： | 37-44 |
检索历史
应用推荐
