多尺度级联R-FCN的尾灯检测算法研究

来源：计算机工程与应用杂志2020年第6期北京时间：

作者：白博，谢刚，续欣莹

单位：太原理工大学 电气与动力工程学院，太原 030024

摘要：前方车辆尾灯检测是自动驾驶中环境感知的研究热点，为在复杂城市环境下实时检测车辆尾灯，将基于区域的全卷积网络（Region-based Fully Convolutional Networks，R-FCN）引入尾灯检测，提出了一种基于多尺度级联R-FCN的车辆尾灯检测算法。通过网络中的跨层连接融合尾灯的底层特征和高层语义，并加入批次归一化层加快网络的收敛速度，得到改进的R-FCN子网络，将一系列在不同交并比输入数据上训练的R-FCN子网络级联得到最终的检测网络。同时预测阶段采用改进的非极大值抑制获得最精准的检测结果。检测结果表明，该方法在CVPR数据集上获得总体94.04%的平均精度，单张图片平均检测耗时31 ms，在检测速度和精度上均有较好的性能。

关键词：车辆尾灯检测,基于区域的全卷积网络（R-FCN）,级联网络,多尺度特征融合,批次归一化,非极大值抑制