改进Faster R-CNN 的汽车仪表指针实时检测

伍锡如，邱涛涛

（桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004）

随着汽车仪表生产过程的自动化需求不断提高，如何开发出一种高效、实时的指针检测方法成为当前人工智能领域的热点课题[1-3]。面对自动检测技术不断激增的需求[4-5]，大多数企业仍采用人工视觉视检的方法来检测仪表指针，人工检测方法受工作状态影响，导致检测标准难以统一，无法满足流水线上仪表的产量需求，检测效率和精度也随之受到影响。由于指针目标较小，对应的像素中包含的特征很少，会导致存在漏检的情况。

现有的仪表指针检测主要基于经典图像处理方法来实现[6]，通过匹配目标形状与颜色特征来检测指针位置[7-9]。例如，文献[10]中，作者提出了一种改进的中心投影法，通过定位圆形比例区域来匹配指针轮廓获得指针位置。Hao 等[11]基于OpenCV 提出并实现了一种汽车仪表自动检测指针系统；Gao 等[12]提出了一种鲁棒的字符分割分类器，该分类器是通过级联定向梯度直方图HOG/支持向量机SVM 二进制分类器来识别仪表板指针。基于形状特征与颜色特征的方法抗噪性较好，但提取的信息并不充分，且计算量大对硬件支持需求较大，没有考虑实时性与泛化性的需求。因此研究一种汽车仪表指针快速实时检测方法具有重要的现实意义。

近年来，深度学习方法在图像的识别和检测方面涌现了许多优秀成果，成为当前热点研究领域[13-15]。例如，曹锦纲等[16]提出一种基于生成式对抗网络应用于交通场景运动模糊图像增强，能够以较好的图像视觉效果完成模糊图像的增强。……