基于学习算法SSD的实时道路拥堵检测

作     者：李超凡 陈庆奎 LI Chao-fan;CHEN Qing-kui

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

出 版 物：《软件导刊》 (Software Guide)

年 卷 期：2018年第17卷第6期

页      面：8-12页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61572325 60970012) 高等学校博士学科点专项科研博导基金项目(20113120110008) 上海重点科技攻关项目(14511107902 16DZ1203603) 上海市工程中心建设项目(GCZX14014) 上海智能家居大规模物联共性技术工程中心项目(GCZX14014) 上海市一流学科建设项目(XTKX2012) 沪江基金研究基地专项项目(C14001) 

主　　题：GPU计算 拥堵检测 卷积神经网络 车辆检测 SSD 

摘      要：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。