摘要

利用交通监控摄像头捕获的车辆检测与跟踪是智能交通系统的关键组成部分。本文提出了一种新型方法，用于检测车辆的三维边界框（3D bounding boxes）。基于监控场景已知的几何结构，我们设计了一种透视变换算法，该变换可将三维边界框检测问题简化为在二维平面中检测边界框，并引入一个额外参数。因此，我们能够采用基于深度卷积网络的改进型二维目标检测器来实现车辆三维边界框的检测。已知的三维边界框信息还可用于提升细粒度车辆分类或车辆重识别等任务的性能。为验证检测器的准确性，我们在BrnoCompSpeed数据集上将本方法与现有最先进方法在速度测量精度方面进行了对比。实验结果表明，本方法使速度测量的平均误差降低了22%（从1.10 km/h降至0.86 km/h），中位数误差降低了33%（从0.97 km/h降至0.65 km/h），同时召回率也从83.3%提升至89.3%。