候选框算法在车辆检测中的应用分析

多尺度滑动窗口是众多目标检测方法采用的搜索策略,但数量巨大的窗口(约十几万的量级)使得计算复杂度大大增加,降低了算法的有效性。为此,候选框算法替代滑动窗口方法被应用于目标检测中。分析评价候选框算法在车辆检测中的应用效率。构造了图像规模为1000的车辆数据集。采用此数据集,研究分析了Edge boxes算法、Selective search算法和Objectness算法的召回率和计算效率。根据场景和光照条件,选取了阴影场景、拥堵场景、夜间场景来分析不同算法的性能并探讨了其局限性。实验结果证明,Edge boxes算法在整体数据集中性能最优,召回率为0.91。但其在夜间场景中仅为0.4左右,此类场景下算法性能并不理想。