公开(公告)号：CN109977812B

公开(公告)日：2023-02-24

申请号：CN201910185300.4

申请日：2019-03-12

Applicant: 南京邮电大学

Inventor： 张登银 ,  金天宇 ,  丁飞 ,  赵莎莎 ,  刘锦 ,  薛睿 ,  聂涵 ,  王雪纯

IPC: G06V20/56 ,  G06V20/40 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种基于深度学习的车载视频目标检测方法，利用改进的Faster R‑CNN算法实现复杂交通环境中的目标检测，提供行车安全辅助功能。现有的目标跟踪算法存在严重的小目标漏检问题，本发明通过增加一个深度信息通道，将其与原有的彩色图像通道并联，并在通道维度上进行融合，在融合后的特征图像上进行候选框提取和目标检测，提高小目标的检测率，另外在训练中添加对难样本的训练，提高算法整体的目标识别率。本发明能够充分考虑Faster R‑CNN算法存在的小目标漏检问题，通过深度图像特征融合和难样本挖掘方法，提高复杂交通场景中车辆识别的准确率。

公开(公告)号：CN109977812A

公开(公告)日：2019-07-05

申请号：CN201910185300.4

申请日：2019-03-12

Applicant: 南京邮电大学

Inventor： 张登银 ,  金天宇 ,  丁飞 ,  赵莎莎 ,  刘锦 ,  薛睿 ,  聂涵 ,  王雪纯

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的车载视频目标检测方法，利用改进的Faster R‑CNN算法实现复杂交通环境中的目标检测，提供行车安全辅助功能。现有的目标跟踪算法存在严重的小目标漏检问题，本发明通过增加一个深度信息通道，将其与原有的彩色图像通道并联，并在通道维度上进行融合，在融合后的特征图像上进行候选框提取和目标检测，提高小目标的检测率，另外在训练中添加对难样本的训练，提高算法整体的目标识别率。本发明能够充分考虑Faster R‑CNN算法存在的小目标漏检问题，通过深度图像特征融合和难样本挖掘方法，提高复杂交通场景中车辆识别的准确率。