基于Faster RCNN的智能车道路前方车辆检测方法

来源：计算机工程杂志2018年第7期北京时间：

作者：史凯静,鲍泓,徐冰心,潘卫国,郑颖

单位：北京联合大学 北京市信息服务工程重点实验室,北京 100101

摘要：使用Fast RCNN方法进行特征提取存在耗时较长且检测准确率较低的问题。为此,结合Faster RCNN前方车辆检测模型与3种不同大小的卷积神经网络,提出一种改进的前方车辆检测方法,研究对比各方法在3种交通场景数据库上的前方车辆检测能力。实验结果表明,与深度卷积神经网络方法相比,该方法提高了车辆检测的准确性和鲁棒性,具有一定的泛化能力。

关键词：智能车,前方车辆,深度卷积神经网络,训练模型,准确率

基金资助：国家自然科学基金“视听觉信息的认知计算”重大研究计划重点支持项目“智能车驾驶脑认知技术、平台与转化研究”(91420202);北京市教委科研计划项目(KM201811417006)。