基于形态检测与深度学习的高空视频车辆识别

来源：交通运输系统工程与信息杂志2019年第6期北京时间：

作者：彭博，蔡晓禹，唐聚，谢济铭，张媛媛

单位：1. 山地城市交通系统与安全重庆市重点实验室，重庆 400074；2. 重庆交通大学交通运输学院，重庆 400074

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244 520 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

基金资助：国家自然科学基金/National Natural Science Foundation of China(61703064)；重庆市基础前沿与技术创新项目/ Chongqing Research Program of Basic Research and Frontier Technology Innovation(cstc2017jcyjAX0473)；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 U