单志勇，宫加辉

（东华大学，上海201600）

0 引言

随着城市化进程的不断加快，交通管理系统是当前交通领域需要研究的热点问题。车辆目标检测是交通管理系统的重要组成部分之一，广泛应用在智能监控系统和智能停车系统等领域中。车辆目标检测应用在智能交通监控系统中可以加快救援速度和分析马路拥堵情况，极大的缓解了交通压力。车辆目标检测应用在智能停车系统中，通过对停车场内的停车情况进行分析，可以缓解停车难的问题。可见，车辆目标检测在交通管理系统中的应用极大地提高了交通管理的效率。所以，优化车辆目标检测问题对增强交通管理系统具有重要意义和应用价值。

传统的目标检测算法流程图如图1所示。首先输入需要检测的图片，采用滑动窗口的方式进行候选框的选取，其次，采用基于人工设计特征提取[1]的算法，如HOG（Histogram of Oriented Gradient）[2]对候选框进行特征提取；然后使用分类器，如SVM[3]等进行判定，在经过分类器判定后获得的候选框会有一部分重叠，因此，需要在经过NMS[4]将重叠的部分筛选合并找到目标物体的最佳位置，得到最终的检测结果。

图1 传统目标检测算法流程图

传统目标检测的不足主要体现在候选框和特征提取部分。选取候选框采用的是滑动窗口的方式，若滑动窗口的大小和步长的变化不合理，则会产生大量冗余的候选框，降低了目标检测的速度；特征提取的方法是基于人工设计的，特征提取过程中极易受到个人主观性的影响，降低了目标检测的准确率。……