基于学习算法SSD的实时道路拥堵检测 |
| |
引用本文: | 李超凡,陈庆奎.基于学习算法SSD的实时道路拥堵检测[J].教育技术导刊,2018,17(6):8-12. |
| |
作者姓名: | 李超凡 陈庆奎 |
| |
作者单位: | 上海理工大学 光电信息与计算机工程学院,上海 200093 |
| |
摘 要: | 随着人们生活水平的不断提高,道路车辆拥堵情况愈发严重。如何实时、精确地检测出道路车辆,对于解决道路拥堵问题具有重要意义,GPU和人工智能技术的飞速发展为其提供了可靠的解决方案。研究分析传统目标识别算法、基于候选区域深度学习的目标提取算法RCNN和基于回归的深度学习目标检测YOLO,最终确定采用基于卷积神经网络的实时目标检测算法SSD。首先调用VGG16网络模型在ILSVRC CLS-LOC数据库上预训练生成初始网络模型,进而设置超参数并在自身数据集上进行再训练,生成新的网络检测模型,然后将训练和测试部署到深度学习框架Caffe上加以实现。通过在数据库COCO、VOC2012上的测试结果表明,该模型检测精度为76%左右,处理速度为26FPS。同时通过道路路口的实地车辆检测,显示该算法能够实时、精确地检测出道路车辆,为道路拥堵情况判定提供可靠数据。
|
关 键 词: | GPU计算 拥堵检测 卷积神经网络 车辆检测 SSD |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|