基于深度学习的多步骤道路遗留物检测方法
侯锐
唐振民
南京理工大学计算机科学与工程学院 南京 210094
摘要：道路遗留物是指存在于道路上影响交通安全的非车辆障碍物,因其涵盖的物品种类和范围非常广,若使用普通的目标检测方法对数据量的要求过于庞大,难以在工程中得到实现.为了解决这些问题,论文提出了一种对遗留物的动态检测进行多步骤结合的方法.首先对于检测车采集到的道路遗留物图片进行图像分割,采用全卷积网络(Fully Convolu-tional Networks,FCN)训练道路信息分割模型,分割结果是待检测的道路上的所有道路信息,包括车辆、路面、行人和遗留物,然后采用RetinaNet算法或YOLO网络(You Only Look Once)训练得到检测模型,从而将车辆和行人的信息通过目标检测方法进行去除,此时图像中仅包含路面和遗留物,最后将图像进行网格分类,将网格划分为遗留物和路面两类,采用支持向量机(Support Vector Machine,SVM)训练得到路面-遗留物模型,最后将连通的遗留物网格合成遗留物的区域并标记在原图中.所提方法可有效解决遗留物的复杂性和背景变化等问题,并在不同的道路环境下保持了较高的可靠性和稳定性.
关键词：道路遗留物检测全卷积网络RetinaNetYOLO支持向量机
分类号：TP391(计算技术、计算机技术)
论文发表日期：2023-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1756-1760,1765 )
英文信息