王荣辉 徐红岩

（江西中煤建设集团有限公司 江西南昌 330001）

1 引言

交通与人类生活密切相关，随着经济的发展，交通拥堵问题已经越来越严重，因此，实时掌握车辆分布特征在城市规划中有重要的意义[1-2]。近年来，随着材料技术、能源技术的进步，使得无人机成本越来越低，搭载遥感平台的无人机更是由于其成本低廉，易获取，影像分辨率高、时效性强等特点，迅速受到人们广泛关注。

深度学习是机器学习研究领域的一个分支，它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。深度学习在很多机器学习领域都有非常出色的表现，在图像识别、语音识别、自然语言处理等方面均有应用。

本文提出了一种基于深度学习的算法对无人机影像中的车辆进行检测。首先利用RPN获取目标的候选区域，再利用Fast R-CNN进行分类得到物体的类别和位置信息。为降低模型训练难度实现端到端优化，该模型将RPN与Fast R-CNN中部分卷积层的特征共享，增强了模型反话能力，取得了较好的检测结果。

2 相关工作

对于影像中的车辆目标，主要研究其光谱特征和空间分布特征，其中空间分布特征主要包括几何特征、结构特征和空间关系特征。根据光谱特征的不同，Sharma等[3]将影像中的车辆目标分为浅色车辆和深色车辆，在运用一阶差分梯度影像提取候选车辆位置，然后根据分割梯度影像得到车辆目标。同年，Leitloff等[4]首先在影像中提取出道路，并为道路上的车队建立模型，然后再用特定算法从车队中提取单个车辆。……