リカレントニューラルネットワークを用いた車両検出

摘要

ITSにおいて視覚センサを用いた車両検出では，検出能力だけでなく，遮蔽物および太陽光線による光学的影響や天候による環境変動に対するロバスト性が要求される．また，走行車両の接近にともない車両の見え方が変化することも考慮しなければならない．本論文では，リカレントニューラルネットワーク（RNN）を用いた新しい車両検出埠を提案する．RNN は，過去の状態遷移に依存した出力が得られるネットワークモデルであることから，前記の問題を解決できると考えられる．特に逆光やハレーションなどによる一時的な走行車両の消失に対しての有効性を期待できる．車両の見え方の変化に対しては，学習される時系列データを適切に選択することで解決できる可能性がある．実際に走行車申のデータに対して本手法を適用したところ，光線の差込みにより走行車両が消失する状況下においても，良好な反応が得られることを確認した．評価実験では，静止画換算624枚の未学習データに対して93.4％の検出率を得た．