摘要：隨著交通愈加發(fā)達,道路愈加擁堵,如何實時準確地獲取車輛基本信息以便交通部門及時管理特定路段和路口的車輛顯得日益重要.對交通視頻中車輛的檢測和識別,不僅需要實時檢測,還要保證其準確性.針對實際情況中車輛之間的遮擋、光照的變化、陰影、道路旁樹枝的晃動、背景中固定對象的移動等因素嚴重影響檢測與識別的精度的問題,提出基于Faster-RCNN(Faster-Regions with CNN features)的車輛實時檢測改進算法.首先采用k-means算法對KITTI數(shù)據(jù)集的目標框進行聚類,得到合適的長寬比,并增加一組尺度(64~2)以適應差異較大的車輛尺寸;然后改進區(qū)域提案網(wǎng)絡,降低計算量,優(yōu)化網(wǎng)絡結構;最后在訓練階段采用多尺度策略,降低漏檢率,提高精確率.實驗結果表明:改進后的車輛檢測算法的mAP(mean Average Precision)達到了82.20%,檢測速率為每張照片耗時0.03875 s,基本能夠滿足車輛實時檢測的需求.