原文传递
高空场景下的交叉路口车流量统计算法研究
| 论文题名： | 高空场景下的交叉路口车流量统计算法研究 |
| 关键词： | 智能交通;车流量统计;高空视频;交叉路口;车辆检测 |
| 摘要： | 随着我国经济日益腾飞，人们对汽车的购买欲增强。这些年来，道路的增长速度远不及车辆的增长速度，造成了交通拥堵、交通事故频发。交叉路口是城市交通的关节所在，也是交通拥堵的高发地段，实时统计交叉路口各个方向的车流量，有利于交管部门及时了解交通状况，对车辆拥堵路段进行疏导。传统的数据采集依靠城市“天眼”系统，因为摄像头架设高度有限，容易造成阴影和遮挡，检测范围也受到限制，很难应对交叉路口这种复杂的检测场景。高空视频具有监测范围广，不易受车辆遮挡和光照阴影的影响等优点，特别适用于交叉路口这种复杂的现实场景。 本课题依托交叉路口为研究场景，主要提出改进的YOLOv4目标检测算法、基于CIoU的DeepSort目标跟踪算法和交叉路口高空图像车辆计数方法。采用“检测+跟踪+计数”的方式统计交叉路口不同行驶方向上的车流量的情况，主要研究内容如下： （1）改进的YOLOv4目标检测算法。针对目前YOLOv4检测方法在交叉路口这种复杂场景中不能兼顾准确性和实时性的问题，首先优化输入图像尺寸，并加入滑窗裁剪方法，防止图片输入后发生型变。其次缩减输出层数量，采用两种尺度的特征图进行目标检测。然后在YOLOv4输出层中引入了残差网络结构用于提升网络性能，同时将输出层中CBL结构的激活函数更换成mish函数。最后利用K-means++算法分别对高空数据集中的大型车辆和小型车辆锚框值进行聚类，合并锚框聚类结果来代替原始的锚点参数。该方法不仅能够有效提升高空图像中小目标的检测准确性，还能够保持较高的检测速度。 （2）基于CIoU的DeepSort目标跟踪算法。针对DeepSort算法中的IoU仅仅只是考虑了检测框和预测框的重叠比例，而无法衡量两框是相邻还是相聚甚远。将算法中用于匹配的IoU算法，更换为CIoU算法。能更好地反映预测框与检测框的相似程度，有效提升目标匹配的准确度。 （3）交叉路口高空图像车辆计数方法。首先在进出道口划取虚拟检测框。为弥补通过虚拟检测框时，因为目标丢失而无法进行计数的情况，在虚拟检测框中加入了Vibe算法与YOLOv4进行融合检测，降低目标丢失概率。最后利用组合虚拟检测框计数法对交叉路口各个方向进行车流量统计。实验证明该方法能够有效提升计数准确度，可以满足应用的需求。 |
| 作者： | 颜洵 |
| 专业： | 计算机技术 |
| 导师： | 李伟生;雷帮军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 三峡大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
