單志勇，宮加輝

（東華大學(xué)，上海201600）

0 引言

隨著城市化進(jìn)程的不斷加快，交通管理系統(tǒng)是當(dāng)前交通領(lǐng)域需要研究的熱點(diǎn)問題。車輛目標(biāo)檢測(cè)是交通管理系統(tǒng)的重要組成部分之一，廣泛應(yīng)用在智能監(jiān)控系統(tǒng)和智能停車系統(tǒng)等領(lǐng)域中。車輛目標(biāo)檢測(cè)應(yīng)用在智能交通監(jiān)控系統(tǒng)中可以加快救援速度和分析馬路擁堵情況，極大的緩解了交通壓力。車輛目標(biāo)檢測(cè)應(yīng)用在智能停車系統(tǒng)中，通過對(duì)停車場(chǎng)內(nèi)的停車情況進(jìn)行分析，可以緩解停車難的問題。可見，車輛目標(biāo)檢測(cè)在交通管理系統(tǒng)中的應(yīng)用極大地提高了交通管理的效率。所以，優(yōu)化車輛目標(biāo)檢測(cè)問題對(duì)增強(qiáng)交通管理系統(tǒng)具有重要意義和應(yīng)用價(jià)值。

傳統(tǒng)的目標(biāo)檢測(cè)算法流程圖如圖1所示。首先輸入需要檢測(cè)的圖片，采用滑動(dòng)窗口的方式進(jìn)行候選框的選取，其次，采用基于人工設(shè)計(jì)特征提取[1]的算法，如HOG（Histogram of Oriented Gradient）[2]對(duì)候選框進(jìn)行特征提?。蝗缓笫褂梅诸惼?，如SVM[3]等進(jìn)行判定，在經(jīng)過分類器判定后獲得的候選框會(huì)有一部分重疊，因此，需要在經(jīng)過NMS[4]將重疊的部分篩選合并找到目標(biāo)物體的最佳位置，得到最終的檢測(cè)結(jié)果。

圖1 傳統(tǒng)目標(biāo)檢測(cè)算法流程圖

傳統(tǒng)目標(biāo)檢測(cè)的不足主要體現(xiàn)在候選框和特征提取部分。選取候選框采用的是滑動(dòng)窗口的方式，若滑動(dòng)窗口的大小和步長(zhǎng)的變化不合理，則會(huì)產(chǎn)生大量冗余的候選框，降低了目標(biāo)檢測(cè)的速度；特征提取的方法是基于人工設(shè)計(jì)的，特征提取過程中極易受到個(gè)人主觀性的影響，降低了目標(biāo)檢測(cè)的準(zhǔn)確率。

2014年，Ross Girshick等人提出了R-CNN[5]算法，這一算法明顯提高了目標(biāo)檢測(cè)的速度。R-CNN算法在傳統(tǒng)算法模型的基礎(chǔ)上進(jìn)行兩個(gè)方面的調(diào)整：一是采用選擇性搜索（Selective Search）[6]代替滑動(dòng)窗口的方式進(jìn)行候選框的選取，大約選取1000～2000個(gè)候選框，減少了計(jì)算量；其二是采用CNN代替人工設(shè)計(jì)特征提取特征圖，有效避免了人為主觀性的影響。

2015年Ross Girshick提出了Fast R-CNN[7]，彌補(bǔ)了R-CNN算法中輸入圖像需固定尺寸的不足。Fast R-CNN算法的輸入圖像的尺寸是任意的，并且是直接對(duì)整張圖像卷積，減少了重復(fù)計(jì)算；采用ROI Pooling層固定特征的尺寸，以便讓特征圖以合適的尺寸輸入到全連接層；采用Softmax層輸出目標(biāo)的類別。Fast R-CNN算法只需單個(gè)模型即可完成目標(biāo)檢測(cè)，極大地提高了檢測(cè)效率。

2016年Ross Girshick在R-CNN和Fast R-CNN的基礎(chǔ)上提出了Faster R-CNN[8]。Faster R-CNN算法采用RPN（Region Proposal Network）代替選擇性搜索法提取候選框，并把提取候選框，選取特征圖和判定目標(biāo)類別和位置放置在同一個(gè)網(wǎng)絡(luò)，解決了模型結(jié)合慢的問題，檢測(cè)效率和準(zhǔn)確率都滿足了目標(biāo)檢測(cè)的要求，極大地提高了目標(biāo)檢測(cè)的綜合性能。

本文主要內(nèi)容就是研究改進(jìn)的Faster R-CNN算法在實(shí)際車輛目標(biāo)檢測(cè)的場(chǎng)景中應(yīng)用，主干網(wǎng)絡(luò)選取了VGG16[9]預(yù)訓(xùn)練模型，訓(xùn)練和測(cè)試的樣本集來自UA-DETRAC數(shù)據(jù)集，使用訓(xùn)練集訓(xùn)練目標(biāo)檢測(cè)模型，使用測(cè)試的樣本集對(duì)得到的模型進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明使用改進(jìn)的Faster R-CNN算法進(jìn)行車輛目標(biāo)檢測(cè)具有較高的泛化能力，同時(shí)也提高了車輛目標(biāo)檢測(cè)的準(zhǔn)確度和效率。

1 基于改進(jìn)的Faster R-CNN的車輛目標(biāo)檢測(cè)

Faster R-CNN網(wǎng)絡(luò)主要由以下四個(gè)內(nèi)容組成：卷積層、RPN層、RoI Pooling層和坐標(biāo)回歸層。其網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2所示。卷積層采用VGG16預(yù)訓(xùn)練模型來提取特征，其網(wǎng)絡(luò)結(jié)構(gòu)由13個(gè)Conv層、13個(gè)ReLU層和4個(gè)Pooling層組成。在整個(gè)VGG16模型中，每經(jīng)過一次Pooling層的輸出都是輸入的1/2。生成的feature map被共享于RPN層和RoI Pooling層；PRN層利用Softmax和bounding box判斷anchors所屬類別和修正anchors的邊框，以便獲得更準(zhǔn)確的區(qū)域建議框；ROI Pooling層的輸入來自卷積層生成的feature map和RPN層的區(qū)域建議框，該層的作用就是將輸入固定到統(tǒng)一大小并輸出至坐標(biāo)回歸層的全連接層；坐標(biāo)回歸層則是用來判斷目標(biāo)的類別和坐標(biāo)位置。

圖2 Faster R-CNN的網(wǎng)絡(luò)結(jié)構(gòu)圖

Faster R-CNN模型進(jìn)行訓(xùn)練時(shí)采用的訓(xùn)練圖片的尺寸是恒定的，這在一定程度上降低了目標(biāo)檢測(cè)的效率。本文提出了多尺度訓(xùn)練，在960×540、900×500、800×480三種不同尺寸的訓(xùn)練圖片中隨機(jī)選取進(jìn)行訓(xùn)練，能有效提高車輛目標(biāo)檢測(cè)的魯棒性。

1.1 RPN網(wǎng)絡(luò)

Anchor是RPN網(wǎng)絡(luò)中的一個(gè)重要概念，它與滑窗法設(shè)置的窗口大小類似，都是預(yù)設(shè)圖像的參照框。原始Faster R-CNN網(wǎng)絡(luò)中Anchor是在RPN網(wǎng)絡(luò)的3×3卷積層生成的，每個(gè)錨點(diǎn)對(duì)應(yīng)三種尺度縮放比和三種寬高比分別為[128,256,512]、[1:2,1:1,2:1]的9種Anchor。改進(jìn)后的RPN增加了1:3、3:1兩種候選區(qū)域的比例。改進(jìn)前后的對(duì)比圖如圖3所示。

圖3 改進(jìn)前后對(duì)比圖

RPN是Faster R-CNN網(wǎng)絡(luò)的核心部分，是一個(gè)完整的卷積神經(jīng)網(wǎng)絡(luò)。RPN作用在特征提取網(wǎng)絡(luò)輸出的特征圖像上，首先是經(jīng)過一個(gè)卷積層選取錨點(diǎn)，生成anchor；然后分成兩路，一路輸入分類層利用Softmax判斷anchor的類別，在進(jìn)行Softmax的前后都對(duì)輸出做了Reshape，以便Softmax進(jìn)行二分類和減少計(jì)算的復(fù)雜度；一路輸入邊框回歸層用來判斷anchors的邊框位置，計(jì)算anchor的位置與真實(shí)框位置的偏移量并進(jìn)行調(diào)整獲取位置更準(zhǔn)確的anchor；分類層和邊框回歸層的輸出共同輸入Proposal，Proposal根據(jù)Img_info提供的信息和NMS算法篩選大約2000個(gè)更準(zhǔn)確的anchor。

1.2 RoI Pooling

RoI Pooling使得原始圖片的大小可以是任意的，減少了原始圖片在縮放成固定大小時(shí)帶來的信息損失；RoI Pooling可以將不同尺寸的圖片生成的特征圖轉(zhuǎn)換為固定尺寸的特征圖，幫助全連接層以及分類層更好地吸收。

RoI利用Max Pooling將寬和高為（w×h）的RoI窗口用(W×H)的子窗口進(jìn)行分割，得到約等于個(gè)子窗口。利用Max Pooling計(jì)算每個(gè)子窗口的最大像素點(diǎn)，形成一個(gè)W×H的Feature map。

1.3 損失函數(shù)

Faster R-CNN中的損失分為回歸損失和分類損失兩大類，分類損失是Softmax，回歸損失是Smooth L1造成的損失。其總的損失函數(shù)表達(dá)式如下：

RPN和ROI的分類損失表達(dá)式相同，均是交叉熵?fù)p失。但RPN損失是二分類交叉熵?fù)p失，ROI損失是多分類交叉熵?fù)p失。其表達(dá)式如公式（2）所示。

其中，Ncls為總的anchor的數(shù)量；在RPN分類損失函數(shù)中，pi為第i個(gè)anchor的預(yù)測(cè)分類概率；p*i為標(biāo)簽，當(dāng)anchor為positive時(shí)，p*i=1，當(dāng)anchor為negative時(shí)，是二分類交叉熵?fù)p失函數(shù)，其表達(dá)式如公式（3）所示。

RPN和ROI的回歸損失函數(shù)均是由Smooth L1 Loss計(jì)算的，Smooth L1 Loss解決了在預(yù)測(cè)值和真實(shí)值很接近的時(shí)候發(fā)生梯度爆炸以及函數(shù)在0點(diǎn)不可導(dǎo)影響收斂的問題。Smooth L1 Loss的表達(dá)式如公式（4）所示，函數(shù)圖像如圖4所示?；貧w損失函數(shù)的表達(dá)式如公式（5）所示。是第i個(gè)anchor的真實(shí)框的參數(shù)化坐標(biāo)。

圖4 Smooth L1函數(shù)圖像

2 實(shí)驗(yàn)結(jié)果與分析

2.1 數(shù)據(jù)集介紹

隨著車輛目標(biāo)檢測(cè)受到了國內(nèi)外學(xué)者的深入研究，如今可供選擇的車輛檢測(cè)數(shù)據(jù)集也很多，主要包括KITTI、N-CARS、CompCars和UA-DETRAC等。KITTI數(shù)據(jù)集采主要是行駛在卡爾斯魯厄的鄉(xiāng)村公路和高速公路上的車輛，數(shù)據(jù)采集場(chǎng)景在國外，而本實(shí)驗(yàn)研究的車輛目標(biāo)檢測(cè)的應(yīng)用場(chǎng)景主要是在國內(nèi)的街道上，與本實(shí)驗(yàn)的實(shí)際場(chǎng)景存在偏差。N-CARS和CompCars數(shù)據(jù)集主要應(yīng)用在汽車分類，缺少本實(shí)驗(yàn)中需要的在道路擁堵、光照太強(qiáng)等不同條件下的稀有數(shù)據(jù)集。UA-DETRAC數(shù)據(jù)集既是在國內(nèi)24座城市拍攝的，也具有道路擁堵、光照強(qiáng)度不同的稀有數(shù)據(jù)集，與本實(shí)驗(yàn)所需實(shí)際場(chǎng)景基本相符。

因此，本實(shí)驗(yàn)所用數(shù)據(jù)集均截取至UA-DETRAC數(shù)據(jù)集。其中訓(xùn)練集有10572張，測(cè)試集有6705張圖片。部分圖像如圖5所示。本實(shí)驗(yàn)所選取的10572張訓(xùn)練集和6705張測(cè)試集均有相應(yīng)的標(biāo)注文件。

圖5 UA-DETRAC數(shù)據(jù)集

2.2 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)中訓(xùn)練所用的硬件配置如下：采用NVIDIA GeForce GTX 1080 TI GPU加速，搭建運(yùn)行環(huán)境PyTorch 1.6.0、CUDA 10.1以及cuDNN 7，編程語言選擇了Python，用Python 3.6.9運(yùn)行程序。由于所用程序數(shù)據(jù)集標(biāo)注格式采用的是VOC2007數(shù)據(jù)集所用標(biāo)注格式，因此，在訓(xùn)練之前本實(shí)驗(yàn)先將所用數(shù)據(jù)集標(biāo)注文件的格式改為了VOC2007數(shù)據(jù)集標(biāo)注文件的格式。訓(xùn)練過程中采用VGG16預(yù)訓(xùn)練模型，預(yù)訓(xùn)練模型的參數(shù)權(quán)重是VGG16在ImageNet[10]下訓(xùn)練好的，初始學(xué)習(xí)率設(shè)置為0.001，當(dāng)?shù)螖?shù)達(dá)到9之后，就將學(xué)習(xí)率設(shè)置為原來的0.1，即0.0001；本實(shí)驗(yàn)在GPU加速下訓(xùn)練迭代14次，得到車輛目標(biāo)檢測(cè)的模型。

本實(shí)驗(yàn)的檢測(cè)結(jié)果均是在Visdom下的可視化窗口呈現(xiàn)的，圖6是原始圖片的標(biāo)簽圖、圖7是原始圖片的預(yù)測(cè)圖、圖8是算法改進(jìn)后的5種loss、圖9是Faster R-CNN算法改進(jìn)前后的評(píng)估指標(biāo)mAP的對(duì)比圖。由圖7可以看出車輛檢測(cè)的概率均在0.9以上，但存在漏檢的情況。該情況可能是受到天氣條件、遮擋以及光照變化等因素的影響導(dǎo)致的，也可能是數(shù)據(jù)集在進(jìn)行預(yù)處理時(shí)導(dǎo)致的原始圖片的信息損失以至于無法識(shí)別出來車輛，還有可能是因?yàn)樵紙D片是在監(jiān)控視頻中截取出來的虛化嚴(yán)重?zé)o法清晰識(shí)別出車輛。由圖8可知，roi_loc_loss的損失最大，rpn_cls_loss的損失最小，總損失函數(shù)最終控制在0.176左右，圖8表明了適當(dāng)?shù)脑黾訕颖緮?shù)據(jù)集有利于降低車輛目標(biāo)檢測(cè)的損失和提高車輛目標(biāo)檢測(cè)的準(zhǔn)確率。由圖9可知，基于改進(jìn)后的Faster R-CNN算法的車輛目標(biāo)檢測(cè)的map最終穩(wěn)定在90.56%，而基于Faster R-CNN算法的車輛目標(biāo)檢測(cè)的map最終穩(wěn)定在90.50%，mAP提高了0.06%。

圖6 標(biāo)簽圖

圖7 檢測(cè)效果圖

圖8 5種損失函數(shù)

圖9 mAP對(duì)比圖

3 結(jié)語

本文利用了公開UA-DETRAC數(shù)據(jù)集，基于改進(jìn)的Faster R-CNN算法完成了對(duì)實(shí)際場(chǎng)景中的車輛目標(biāo)檢測(cè)，有效避免了傳統(tǒng)目標(biāo)檢測(cè)中出現(xiàn)的過于依賴人工特征提取的問題，有效地提高了車輛目標(biāo)檢測(cè)的準(zhǔn)確率和速度，為車輛目標(biāo)檢測(cè)在智能監(jiān)控和無人駕駛等領(lǐng)域的應(yīng)用奠定了基礎(chǔ)。雖然檢測(cè)的準(zhǔn)確率和速度已經(jīng)有了很大的提高，但仍然存在錯(cuò)檢、漏檢以及無法做到實(shí)時(shí)檢測(cè)的情況。因此，未來車輛目標(biāo)檢測(cè)的難點(diǎn)就在于如何盡可能減小光照、天氣等外部因素的干擾，以及如何做到實(shí)時(shí)檢測(cè)。