基于深度学习的无人机航拍车流量监测
随着智慧城市概念的普及,交通道路智能化管理已成为学者关注的热点.针对道路的车流量统计问题,文中基于深度学习方法,提出了基于残差网络的无人机航拍车流量监测算法,该算法引入了全连接的多尺度残差学习分块(FMRB),在解决梯度弥散现象的同时使得图像特征能够被更好地提取和学习.现有的车辆检测算法准确率较低,且大多数仅能对车辆进行检测,不能对车流量进行统计.文章结合视频帧估计方法,实现了车流量的实时监测与统计.在车辆检测性能上将所提算法与SSD,YOLOv2,YOLOv3算法进行对比,结果表明,在自建数据集训练的条件下,所提算法引入多尺度残差学习分块(FMRB)对遥感图像进行车辆识别,能够取得更高的识别精度;在实地车流量监测中,所得结果误检率小于1%,具有较强的实用效果.
深度学习、残差网络、车辆识别、车流量监测、智能交通
48
TN911.73;TP183
教育部卓越工程师教育培养计划项目产学合作协同育人项目;湖北省自然科学基金面上项目;大学生创新创业训练计划项目;湖北大学楚才学院科研立项
2021-07-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
275-280