基于改进深度网络的车辆乘员数量检测研究

来源：激光与红外杂志2021年第1期北京时间：

作者：金鑫

单位：大连海事大学船舶电气工程学院,辽宁 大连 116026；

摘要：车辆乘员数量检测研究对推进HOV车道建设具有重要意义,本文以Faster RCNN网络模型为基础,结合多光谱红外系统获得的汽车驾驶室图像来展开研究。现有数据中因过曝、曝光不足等问题导致图像中目标特征差异大,网络检测的准确率不高,对此采用变形结构的卷积计算提高特征单元的感受野和目标边缘信息的表述能力,采用变形的ROI-Pooling来增强ROI区域特征映射后的特征表述,增强网络的泛化能力。针对在多乘员情况下,因乘员间遮挡导致的错检、漏检等问题引入KL损失,同时采用Soft-NMS与方差投票相结合的方式来改善NMS滤除重复目标框过程的合理性,提高了位置回归的合理性和重叠目标的预测能力,整体检测的准确率得到提高。实验结果表明,本文网络在不同数量下算法检测的准确率得到提高,基本可以满足行业规定大于80 %的要求。

关键词：HOV车道;Faster RCNN;变形卷积;KL损失;Soft-NMS

基金资助：国家自然科学基金项目(No.61973049)资助