文献类型：期刊文章

作　　者：王得成[1] 陈向宁[2] 赵峰[1,3] 孙浩燃[4]

Wang Decheng;Chen Xiangning;Zhao Feng;Sun Haoran(Graduate School, Space Engineering University, Beijing 101416, China;School of Space Information , Space Engineering University, Beijing 101416, China;61618 Troops, Beijing 100094, China;Jiuquan Satellite Launch Centre, Jiuquan, Gansu 730000, China)

机构地区：[1]航天工程大学研究生院,北京101416 [2]航天工程大学航天信息学院,北京101416 [3]61618部队,北京100094 [4]酒泉卫星发射中心,甘肃酒泉730000

出　　处：《激光与光电子学进展》

基　　金：国防科技创新特区专项(18-H863-01-ZT-002-055)

年　　份：2019

卷　　号：56

期　　号：18

起止页码：111-118

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对利用彩色图像进行车辆检测时会受到路面阴影、车辆反光和光线不足等复杂情况影响的问题,提出一种基于卷积神经网络并融合彩色与深度图像的车辆检测算法。设计单通道RG-D融合网络和双通道RGB-D融合网络两种改进模型,分别用于提高检测速度和准确度。实验使用GTA(Grand Theft Auto)车辆数据集对该算法进行测试,并与基于RGB图像的其他流行算法进行对比和分析,结果表明:与基于彩色图像的Yolo v2算法相比,利用双通道RGB-D融合网络检测的准确率和召回率分别提升5.69%和6.31%,利用单通道RG-D融合网络对单一图像的最快检测速度达到24ms。实验证明,基于RGB-D图像的改进网络模型能够实现实时检测,并有效提高车辆检测精度。

关 键 词：图像处理  车辆检测 计算机视觉 卷积神经网络 RGB-D图像  

分 类 号：TP391.4]