论文部分内容阅读
针对交通场景复杂、人头尺寸偏小、乘客重叠等因素导致的两轮车辆载人检测经常出现的乘客漏检问题,设计了一种改进的Faster R-CNN检测模型。该模型以GoogLeNet为特征提取网络,修改了区域生成网络中候选框尺寸,采用特征融合策略,使得模型对小目标更加灵敏。针对乘客重叠导致的漏检问题,模型采用柔和的非极大值抑制(Soft-NMS)算法替换原始Faster R-CNN中的非极大值抑制(NMS)算法。实验结果表明:改进后算法可以解决两轮车上乘客检测问题,在两轮车辆载人数据集上获得了91.33%的检测精