作者：李浩; 张运胜; 连捷; 李泽萍智能交通车辆检测深度学习卷积神经网微型神经网
摘要：针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测 率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络 （MLP-CNN）用于传统算法的改进.使用快速候选区域提取算法提取图像中可能存在车辆的区域,之 后使用深层卷积神经网络（ CNN）提取候选区域的特征,并在卷积层中增加微型神经网络（ M L P ）对每 层的特征进一步综合抽象,最后使用支持向量机（SVM ）区分目标和背景的C N N特征.实验表明,该 方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征检测,识别率高达87 .9%,耗时 仅需 225 ms,比常用方法效率有大幅度提升.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
