卷积神经网络在车辆目标快速检测中的应用

来源：软件学报杂志2017年第s1期北京时间：

作者：陈宏彩,程煜,张常有

单位：陈宏彩，河北省科学院应用数学研究所, 河北 石家庄 050081;河北省信息安全认证工程技术研究中心, 河北 石家庄 05008111,程煜，河北省科学院应用数学研究所, 河北 石家庄 050081;河北省信息安全认证工程技术研究中心, 河北 石家庄 05008102,张常有，中国科学院 软件研究所 并行软件与计算科学实验室, 北京 10019003

摘要：我国机动车保有量急速增长，产生一系列严重的安全与交通问题.与此同时，视频图像文件呈爆炸式增长，为公安的监控、刑侦以及案件的侦破带来了很大的困扰.车辆目标检测与识别越来越受到人们的关注，研究一种高效而准确的车辆目标检测方法意义重大.在YOLO目标检测框架的基础上，设计了一种卷积神经网络的车辆检测及其车型粗粒度识别方法.网络结构采用多层感知机卷积层，增加特征映射的非线性处理能力；移除原来模型中的全连接层，利用锚点框预测目标的边界框，在降低模型复杂度的同时提高了目标检测的召回率.实验结果表明，与主流的目标检测方法相比，该车辆目标检测方法在处理速度和准确度上都有提高，在迭代20 000次的情况下，平均准确率为94.7%.

关键词：车辆检测;卷积神经网络;多层感知机;粗粒度;车辆识别

基金资助：国家自然科学基金（61379048，61672508）；河北省重点研发计划（17395602D）