摘要：隨著交通愈加發(fā)達(dá),道路愈加擁堵,如何實(shí)時(shí)準(zhǔn)確地獲取車輛基本信息以便交通部門及時(shí)管理特定路段和路口的車輛顯得日益重要.對(duì)交通視頻中車輛的檢測(cè)和識(shí)別,不僅需要實(shí)時(shí)檢測(cè),還要保證其準(zhǔn)確性.針對(duì)實(shí)際情況中車輛之間的遮擋、光照的變化、陰影、道路旁樹(shù)枝的晃動(dòng)、背景中固定對(duì)象的移動(dòng)等因素嚴(yán)重影響檢測(cè)與識(shí)別的精度的問(wèn)題,提出基于Faster-RCNN(Faster-Regions with CNN features)的車輛實(shí)時(shí)檢測(cè)改進(jìn)算法.首先采用k-means算法對(duì)KITTI數(shù)據(jù)集的目標(biāo)框進(jìn)行聚類,得到合適的長(zhǎng)寬比,并增加一組尺度(64~2)以適應(yīng)差異較大的車輛尺寸;然后改進(jìn)區(qū)域提案網(wǎng)絡(luò),降低計(jì)算量,優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu);最后在訓(xùn)練階段采用多尺度策略,降低漏檢率,提高精確率.實(shí)驗(yàn)結(jié)果表明:改進(jìn)后的車輛檢測(cè)算法的mAP(mean Average Precision)達(dá)到了82.20%,檢測(cè)速率為每張照片耗時(shí)0.03875 s,基本能夠滿足車輛實(shí)時(shí)檢測(cè)的需求.