基于深度学习的交通监控视频车辆检测算法

针对交通视频监控场景复杂、视频单帧图像分辨率高的特点,提出一种基于Faster R-CNN的车辆检测改进算法。利用残差网络原理对Faster R-CNN网络特征提取层进行改进,并在网络中加入空洞卷积过滤掉高分辨率视频图像存在的冗余特征,改善原有算法易发生车辆漏检的问题;为应对交通视频中的车辆重叠场景,使用Soft-NMS替换原有的NMS机制,减少由于车辆重叠导致的检测框丢失问题。分别在三个不同的数据集下进行实验,结果表明,该算法检测精度相较于Faster R-CNN有提高,并且可以较好地适应监控视频中多种环境下车辆检测。