李传秀 王哲

【摘要】    不良环境下的图像目标检测技术，是道路交通中目标检测与状态识别系统需要解决的关键性问题。基于Faster R-CNN （region-convliutionalneuralnetworks）的车辆属性识别，用于处理车辆属性的识别问题。可以解决部分外形构造基本相似的车辆之间的错误检测问题。该方法对车辆检测精度有所提高，也可加快车辆检测的效率。

【关键词】    车辆检测    Faster R-CNN    属性识别

引言：

随着人们的生产活动和经济的快速增长，人民生活水平快速提高，与之伴随而来的是大气环境遭到一定程度的破坏，从而导致雾霾天气频繁出现，在光线不好的天气条件下，图像获取会使图像对比度降低，使人类肉眼很难感知物体的基本状态及其特征。从而，雾霾天气条件下的交通环境存在着多方面的安全隐患，大气中粒子对光线的散射和吸收，都会导致自然光线效果不好、事物及车辆能见度下降，导致各类交通问题及事故频繁出现，因而行车过程中人车安全越来越受到社会各界的重视。

作为智能交通的重要组成部分，车辆目标检测，也受到国内外研究者的广泛关注。其中，辅助驾驶系统作为智能交通系统中重要的一部分，需要利用机器视觉技术，通过采集当前车辆前方的交通环境及信息，并对图像中受到的噪声污染进行处理，然后对图像中感兴趣区域进行目标检测和识别工作，在突发情况下，可以及时自动地给出警报[1]。本文主要研究在不良环境下，如何为自动驾驶和无人驾驶车辆识别道路中其他车辆的属性信息。……