一种基于LSTM的视频车辆检测算法

李岁缠，陈 锋

(中国科学技术大学 信息科学技术学院，安徽 合肥 230027)

0 引言

近年来，基于视频的车辆检测在自动驾驶和交通视频监控领域得到了广泛的应用。另一方面，基于深度学习的静态图像目标检测也取得了重要的进展和突破。基于深度学习的图像目标检测算法可以分为两类：基于单阶段的算法[1-3]和两阶段的算法[4-6]。相比于两阶段算法，单阶段算法具有更快的处理速度，因此更适合实时的应用，比如视频车辆检测。但是，将这些基于静态图像的目标检测算法直接应用于视频目标检测，即将视频帧进行独立的处理时，并不能取得好的检测结果。因为针对视频进行目标检测时，总会遇到运动模糊、视频失焦等问题，而基于静态图像的目标检测算法容易受这些问题的影响，得到比较差的检测结果。

视频中通常包含着目标的时间维度的信息，这些信息对视频目标检测具有非常重要的作用，而基于静态图像目标的检测算法忽略了这些信息。如果能够有效利用视频包含的时间维度的信息，则可以有效解决运动模糊与视频失焦等问题。比如，如果当前视频帧中的目标出现模糊，那么就可以利用其邻近帧的目标信息帮助对当前帧的检测。因此，如何提取目标运动信息则是最关键的。最近，循环神经网络LSTM[7]由于其强大的记忆能力以及可以有效克服训练神经网络时出现的梯度消失问题的优点，被大量应用于解决时间序列问题，比如机器翻译[8]，并且取得了比较好的效果。……