一种基于单目视觉与深度学习的道路目标检测识别方法

摘要

本发明属于道路车辆检测技术领域，公开了一种基于单目视觉与深度学习的道路目标检测识别方法；将深度卷积神经网络应用于车辆检测，全面丰富地学习静态图像中车辆特征，实现了基于图像特征的准确快速的道路车辆检测，对遮挡、截断、光线变化、阴影等常见的干扰情况均有较强的健壮性，摒弃了二段式卷积神经网络检测器中繁琐的区域推荐步骤，通过卷积实验确定可能的包围框的位置和大小，且各分类在训练阶段共享置信度，大大削减了参数数量。本发明在预测阶段结合不同层级的多个特征图进行预测，增加网络模型的语义表达能力，最终检测结果的准确度和速度均优于同样实验条件下二段式基准检测器Faster R‑CNN的检测效果。