摘要：提出了一种监控场景下的实时车辆检测算法。卷积神经网络(CNN)已经在通用目标检测领域中取得了巨大成功,然而针对监控场景下的车辆检测尚鲜有探索,是因为基于CNN的目标检测算法往往难以满足实时应用的需求。基于CNN的鲁棒特征表示,提出了一种实时的车辆检测算法,该算法充分利用CNN不同层不同感受野对不同尺度目标的表征能力,在多层特征图上分别检测不同尺度的目标,该方法直接在特征图上对候选框进行分类和回归,不需要对每个候选框进行特征提取,因而大大减少了计算时间,在960 pixel×540 pixel的监控图像上,利用一块GPU(NVIDIA GTX 1080Ti)进行算法速度测试,算法平均处理速度保持在25 f/s。
分类：期刊> 自然科学与工程技术> 信息科技> 无线电电子学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：视频监控 车辆检测 卷积神经网络
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
