基于双路式卷积神经网络的车辆与行人检测

摘要

cqvip:针对低能见度状态下对车辆与行人的视觉特征难以提取的问题,提出一种将2路卷积神经网络融合从而实现对车辆与行人识别的方法。采用高斯背景差分法实现图像去模糊,在双路网络中分别采用不同尺寸的滤波器,调整滤波器的大小得到不同环境下图片的特征值,采用反向传播算法计算梯度。实验结果显示,与单路式卷积神经网络对比,在能见度低的环境中,该方法对车辆的辨识率提高至83. 49%,对行人的辨识率提高至87. 36%,表明在低能见度环境中,双路式卷积神经网络识别准确率高于单路式卷积神经网络。