基于学习算法SSD的实时道路拥堵检测

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。