原文传递
基于视频图像和深度学习的车辆轨迹检测与跟踪
| 题名： | 基于视频图像和深度学习的车辆轨迹检测与跟踪 |
| 作者： | 李志坚;郭玉彬;赵建东 |
| 作者单位： | 中交建冀交高速公路投资发展有限公司;河北北京交通大学交通运输学院 |
| 关键词： | 智能交通;车辆检测跟踪;图像处理;YOLOv5优化;Deep Sort优化 |
| 摘要： | 为保障高速公路车辆安全通行，及时有效地获取车辆运行信息，结合高速公路监控视频，利用优化后的YOLOv5目标检测算法和Deep Sort多目标追踪算法进行车辆轨迹检测与跟踪，实时监测车辆运行状态，识别异常驾驶行为。首先，基于高速公路监控视频，构建车辆检测数据库，由于自建数据库中各类别车型数量相差较大，影响检测精度，因此在模型的输入段提出Class-Weighted Mosaic数据增强方法，提高模型对于各种车型的检测能力。其次，针对原始YOLOv5模型中，网络结构设计冗余的问题，设计一种高效的CC3瓶颈层结构替换原有的CSP结构，在不影响精度的情况下，提高网络运行效率。为提高特征提取能力同时具有较高的检测效率，轻量的ECA（EfficientChannel Attention）注意力模块添加到模型中，让模型关注更重要的区域；然后，针对Deep Sort追踪算法在车辆遮挡情况下精度较差的情况，采用Resnet 18作为其车辆外观特征提取网络，损失函数替换为三元损失函数，提高追踪算法精度。最后，利用高速公路监控视频对所提出的算法进行评估。经过试验得出：优化后的算法得出的车辆检测精度由92.8%提高到了96.3%，精度提高了3.5%，能够有效缓解类别不均衡给网络训练带来的不利影响，并且检测速度达到25～35 fps，达到车辆实时监测的要求，在车辆追踪过程中，能够有效的克服车辆遮挡问题。 |
| 期刊名称： | 公路交通科技 |
| 出版年： | 2022 |
| 期： | 12 |
| 页码： | 149-154 |
检索历史
应用推荐
