基于SSD的道路車輛目標檢測

張向清 楊銳 白濤 王金妮

摘?要：針對道路交通場景下的3類目標（小車，公交車，卡車），本文先創(chuàng)建特定場景下的目標數(shù)據(jù)集，并對其中的數(shù)據(jù)標注規(guī)則，標注方法以及標注手段進行實驗。采用SSD目標檢測算法，訓(xùn)練得到特定場景下的目標檢測模型，并融合數(shù)據(jù)增廣等方式對數(shù)據(jù)集優(yōu)化。通過實驗分析，本文的訓(xùn)練模型檢測準確度高，并且模型的魯棒性好。

關(guān)鍵詞：SSD;自制數(shù)據(jù)集;檢測模型

道路交通運輸行業(yè)在國民經(jīng)濟發(fā)展中發(fā)揮著重要作用，越來越多的機動車涌入道路，如果對道路中的目標不加以交通管制或采取一定的措施防范控制道路中目標的數(shù)量，將會引發(fā)更多的交通問題，例如：交通擁堵和交通違章越來越嚴重，致使交通中文明出行變得微乎其微。隨著互聯(lián)網(wǎng)時代的到來，各種智能硬件設(shè)備應(yīng)用到交通場景，有效的緩解了部分交通問題。但是，由于硬件設(shè)備的安裝繁雜、老化嚴重以及更新成本巨大，使交通管理部門的運營成本昂貴，本文分析一種基于視頻分析的交通監(jiān)控算法，不僅降低了交通管理的運營成本，而且其準確度相比部分硬件設(shè)備有了明顯的提高。

1 常見的目標檢測算法

目標檢測目前有one-stage和two-stage兩種，two-stage指的是檢測算法需要分兩步完成，首先需要獲取候選區(qū)域，然后進行分類，比如R-CNN系列;與之相對的是one-stage檢測，可以理解為一步到位，不需要單獨尋找候選區(qū)域，典型的有SSD/YOLO。

1.1 基于候選區(qū)域的目標檢測

首先將每個像素作為一組，求出各自的特征，然后將兩個最為接近的特征進行組合。為了避免大目標對小目標的淹沒，需設(shè)置不同尺度大小的ROI區(qū)域，在不同的卷積層進行矩形框的組合。這些區(qū)域被轉(zhuǎn)換為固定大小的圖像，并分別送到卷積神經(jīng)網(wǎng)絡(luò)中。在輸出層采用SVM分類器，使用Logic函數(shù)計算損失來修正邊界框，以實現(xiàn)目標分類并得到邊界框。

1.2 基于端對端學(xué)習(xí)的目標檢測

該類方法無需預(yù)先提取候選區(qū)域，以YOLO目標檢測算法為例，整個模型的訓(xùn)練和檢測都進行了簡化，其將目標檢測的類別和位置同時進行預(yù)測，可以歸納為回歸問題。主要步驟為：卷積層進行圖像特征提取;全連接層用于后續(xù)類別和目標位置的回歸預(yù)測。

2 SSD目標檢測算法

2.1 算法原理

一種基于回歸的SSD檢測模型，其不同于候選框提取的目標檢測算法，例如：Faster R-CNN檢測算法，此算法不再提取候選框以及對像素或特征進行采樣，其將所有計算封裝在單網(wǎng)絡(luò)中使得SSD容易訓(xùn)練或直接集成到需要檢測組件的系統(tǒng)。同時，SSD對不同大小的輸入圖像的目標檢測具有更好的精度，更快的速度。

SSD的模型結(jié)構(gòu)使用VGG-16網(wǎng)絡(luò)作為基礎(chǔ)，然后添加額外的特征提取層，在不斷進行卷積的時候，得到的特征圖尺寸逐漸減小而后輸入到Extra feature層用來得到多個尺度檢測的預(yù)測值，形成了多個輸出路徑。為了簡化說明，我們把模型簡化為單輸出的網(wǎng)絡(luò)，即只有一個輸出路徑，每個路徑都是一個全卷積網(wǎng)絡(luò)。

2.2 模型的訓(xùn)練

SSD算法中實現(xiàn)了多種數(shù)據(jù)集的訓(xùn)練方法，而對于自己的數(shù)據(jù)集需要修改文件中的不同參數(shù)設(shè)置以及對訓(xùn)練方法進行改進才能使得訓(xùn)練出來的模型適合特定的應(yīng)用場景。下面將對訓(xùn)練方法做具體分析：

（1）采集數(shù)據(jù)樣本，對分辨率不高或目標不明顯的圖像和視頻幀刪除，統(tǒng)計所有樣本，并把目標的矩形坐標保存到文本文件，保證圖像和目標矩形框能一一對應(yīng)。

（2）生成訓(xùn)練數(shù)據(jù)集，先將圖片和標簽文件轉(zhuǎn)化為LevelDB或lmDB數(shù)據(jù)庫，我們將訓(xùn)練驗證集和測試集以一定的比例劃分開，最后將這些數(shù)據(jù)庫格式的文件輸入到深度學(xué)習(xí)的網(wǎng)絡(luò)中。

3 實驗結(jié)果

通過對不同數(shù)據(jù)集的訓(xùn)練，得到其不同輸出結(jié)果的訓(xùn)練模型。并將訓(xùn)練模型用于檢測高速公路場景內(nèi)的目標，實驗發(fā)現(xiàn)：小車類的檢測準確度較高其平均準確度為93.2%，公交類的檢測平均準確度為89.7%，卡車類的準確度為87.4%，主要由于卡車類的訓(xùn)練目標較少。可以看出，這三類目標檢測性能較好，基本符合應(yīng)用場景。

其次，我們對SSD中不同的基礎(chǔ)網(wǎng)絡(luò)模型也進行了測試分析，可以發(fā)現(xiàn)：當使用ResNet101基礎(chǔ)網(wǎng)絡(luò)框架再結(jié)合分類器能夠檢測出場景內(nèi)的更多目標，而基于VGG19和ZFNet5基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)檢測三類目標的準確度略低，說明在一定范圍內(nèi)卷積層數(shù)越多，檢測準確度越好。另外，對不同輸入尺度的圖像或視頻流（本文分析了300x300和512x512），模型的檢測速度差異很大，對于場景中目標不多且明顯的車輛，可以采用速度較快的300x300的圖像大小作為輸入。

4 結(jié)語

本文創(chuàng)建了特定場景下的數(shù)據(jù)集，訓(xùn)練不同的網(wǎng)絡(luò)模型并對網(wǎng)絡(luò)訓(xùn)練過程中的參數(shù)微調(diào)和模型優(yōu)化進行測試分析。通過實驗分析，本文采用的SSD目標檢測算法，在自制數(shù)據(jù)集上性能表現(xiàn)良好，后期主要研究如何把模型參數(shù)進行壓縮，在嵌入式設(shè)備中進行實時檢測目標。

參考文獻：

[1]張向清.高速公路場景下基于深度學(xué)習(xí)的車輛目標檢測與應(yīng)用研究[D].長安大學(xué).

[2]張文桂.基于深度學(xué)習(xí)的車輛檢測方法研究[D].華南理工大學(xué)，2016.

[3]張向清.基于深度學(xué)習(xí)方法的復(fù)雜場景下車輛目標檢測[J].計算機應(yīng)用研究，2018，35（4）：1270-1273.

作者簡介：張向清（1991-），男，陜西榆林人，碩士，信息與通信工程專業(yè)。