姜冬阳 张建阳 杨瑞建 张震 王先勇 袁彦各

摘 要：针对现有的基于视频进行车辆自动识别的方法在隧道交通拥堵路段存在提取图像特征困难、识别效果差等问题，本文提出了基于深度学习的隧道视频车辆检测的方法。（1）对视频图像进行道路区域的界定，用人工勾勒出感兴趣区域ROI作为待检测区域，并基于形态学检测方法将待检测区域进行子块划分;（2）对图像子块进行公交车、小汽车和道路标线分类，据此建立图像基准库;（3）建立CaffeNet深度学习模型，利用图像基准库对CaffeNet模型进行训练测试。结果显示，公交车和道路标线识别准确率为100%，小汽车识别准确率为98.80%，表明本方法可准确有效地识别隧道交通视频中的车辆种类及道路标线。

关键词：智能交通;深度学习;隧道视频;车辆检测

在现代交通系统中，基于视频的交通信息检测是一种重要交通信息采集技术。由于其具有可视化、安装维护便捷、可获取多种交通参数且不破坏路面结构等优势，在交通监控管理和交通研究等领域得到了广泛的应用。但现有的基于视频进行车辆自动识别的方法在交通拥堵路段存在提取图像特征困难、识别效果差等问题。

近年来深度学习成为研究热点，在车辆颜色[1]、无牌车检测[2]、机动车检测与分类[3]、目标跟踪[4]、车辆定位[5]等相关的技术方面也比较成熟。深度学习能够很好地获取较为稳定的特征，搜索的相似目标更精确，搜索准确率在95%以上。目前深度学习在交通领域中的应用还有车辆检测与感知[6]、车辆身份特征识别[7]、交通视频的分析应用[8]等。……