原文传递
基于深度学习算法的转弯车流量检测研究
| 论文题名： | 基于深度学习算法的转弯车流量检测研究 |
| 关键词： | 深度学习;目标检测算法;车辆跟踪;交通流检测 |
| 摘要： | 随着我国城市化和机动化的快速发展，交通拥堵现状日益加重，为了解决交通拥堵问题，就必须掌握准确的交通流量数据，但目前交通流量检测研究主要集中于直行交通流量检测，由于受限于复杂的场景、环境等因素的影响，对处理转弯车辆检测与多目标跟踪研究还不够充分。为了解决此类目标的实时检测和其识别精度不足的问题，引入先进的人工智能技术，提出了一种基于YOLOv5s车辆检测算法结合DeepSORT跟踪算法的车辆转弯事件统计方法，达到了实时检测转弯交通量的目的。本文的研究工作如下： （1）首先通过对比分析YOLO系列下的四种不同框架，选择轻量化的YOLOv5s框架作为本文的目标检测模型。接着，在交叉路口实地采集了所需的航拍视频，以此为基础，制定了模型所需aero-NVE数据集，并融合Mosaic数据增强方法和自适应图像放缩功能完成对数据集的预处理。最终，通过使用迁移学习训练的权重文件完成视频的推理，并使用了精确度、召回率、mAP等多个深度学习的指标验证了车辆目标检测模型的准确性。推理结果表明:基于迁移学习训练的方式提高了训练效率与精度，YOLOv5s目标检测算法的召回率能达到91.2%，mAP指标稳定在0.92附近，且box_loss损失值稳定在0.035左右，取得了精度较高的检测效果。 （2）在YOLOv5s目标检测的基础上，选择了DeepSORT跟踪算法，并完成了DeepSORT算法与YOLOv5s的检测接口对接，进而通过调用DeepSORT算法中Detection类的车辆坐标信息，提取车辆行驶轨迹线，并通过轨迹线的有效性分析，对不满足映射关系轨迹线进行旋转，以便使所有轨迹都能正常拟合。通过以上步骤得到了一组准确的车辆行驶轨迹线，并设置了转弯角度的阈值，完成了车辆转弯的检测任务，为转弯交通流量检测奠定了基础。 （3）为了验证上述转弯交通流量检测方法的有效性，进行了交叉口转弯车辆实地人工计数实验，将人工检测计数值和智能算法检测计数值进行比较。比较结果表明：平均检测精度可达88.6%，可满足转弯交通量的一般检测需求。 |
| 作者： | 哈敏捷 |
| 专业： | 载运工具运用工程 |
| 导师： | 张韡 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
