王思雨 Tanvir Ahmad

（华北电力大学控制与计算机工程学院 北京 102206）

1 引言

近年来，我国城市道路建设规模日益扩大，城市交通需求逐步增加，交通道路拥堵、交通事故猛增已成了交通管理部门所关注的重点问题［1］。随着大数据、云计算、移动互联网等技术的迅速发展，“互联网+”概念已经引起了各行各业的高度重视。“互联网+交通”［2］是将互联网新技术应用到智能交通领域，如通过传感器、通讯设备、光学影像设备等，使得机器能够识别车辆、行人、信号灯等一系列交通目标，从而为智能交通提供基础设施。人工智能［3］作为当下最火爆的科技之一，在车辆颜色、车牌识别、无牌车检测方面应用已经比较成熟。目前已经有许多大型公司投入大量资金，致力于自动驾驶汽车的研究。然而，如何能够提高车辆安全性能，提高交通目标检测准确率和检测速度是实现无人驾驶的关键。

基于上述背景介绍，交通安全问题是实现自动驾驶需要考虑的首要问题。因此，在进行交通目标检测任务时，如果可以在保持实时检测速度的情况下，还能够大幅提升检测精度，对自动驾驶技术而言是一项重要举措。本文将YOLOv3 应用于车辆、行人等交通目标检测［19］，与YOLOv2 相比能够大幅提升检测精度。

2 目标检测

传统的交通目标检测技术包括基于雷达、超声波、红外线等传感器检测方法［4］。其中基于雷达的目标检测是根据雷达发射的电磁波来探测车辆目标位置；而基于超声波的目标检测无法检测低速行驶车辆；……