张文风， 于艳玲

(中远海运科技股份有限公司，上海 200135)

0 引 言

近年来，高速公路的快速发展给人们的生活带来了极大的便利，同时也引发了很多交通事故，其中有很多事故是高速公路上的抛落物造成的，因此对高速公路抛落物进行检测具有重要意义。传统的抛落物检测算法有基于图像处理的检测方法和基于视频序列的检测方法等，其中：基于图像处理的检测方法需人工提取图像的特征[1]，不仅耗时耗力，而且检测效果并不理想；基于视频序列的检测方法采用传统的高斯模型和三帧差法等区分前景，进一步识别遗留物[2-4]，识别的准确率均不高，无法识别小的抛落物。

当前深度学习技术已在目标检测领域得到广泛应用，yolov2算法也在已抛落物检测方面得到应用[5]。对于被检测的图片，yolov2算法能给出抛落物的位置和置信度，但存在检测准确率较低、漏检率较高和检测不出小的抛落物等问题。空间金字塔池化网络(SPP-Net)[6]采用的是共享卷积特征的方法，该网络的出现加快了Faster R-CNN[7]目标检测算法的提出。Faster R-CNN算法采用共享卷积神经网络实现目标的端到端检测，无论是准确率还是检出率，都有大幅度的提升，但传统的Faster R-CNN算法采用VGG-16网络[8]和ZFNet网络[9]作为共享卷积层，其检测的准确率和实时性均有欠缺。

基于此，提出一种改进的Faster R-CNN目标检测方法，采用Resnet101深度残差网络[10]替代VGG-16网络和ZFNet网络作为特征提取网络，并调整锚框的尺寸，提高检测的准确率。此外，在自制的抛落物数据集上进行测试，验证该方法的有效性。……