一种基于深度学习的夜间车流量检测方法

摘要

当车流量较少时,降低路灯亮度可以达到能源节约目的.为此,采用深度学习中的R-FCN目标检测网络完成夜间车辆检测任务.R-FCN网络相比传统深度学习网络,不仅是基于区域推荐模型的网络,而且引入了平移变化特性,所以对目标检测效果更好.为了占用更少硬件资源,缩小模型规模,采用ShuffleNet通道分组与组间通信机制,压缩原始残差网络.同时,对NMS(非极大值抑制)算法进行修改,从而可以更好地筛选重叠目标,降低网络漏检率.实验结果表明,该方法准确率较高,在UA-DETRAC数据集的夜间图片检测中精度最高可达到90.89％.