基于深度学习的应急装备物资车辆检测跟踪算法研究

摘要：

为了实现公路交通突发事件应急处置中对应急装备物资车辆的实时检测跟踪,从而提升应急装备物资车辆的调度管理效率,保障公路交通安全畅通,利用道路视频图像,研究应急装备物资车辆轨迹特征检测识别算法,并开发检测软件.首先采集来源于青海省公路交通应急装备物资储备中心辐射区域多个路段的监控、航拍拍摄的应急装备物资车辆行驶场景的视频图像序列,隔帧抽取出5293张图像作为应急装备物资车辆图像样本库,并制作目标检测的数据集;其次采用YOLOv3算法检测运动的应急装备物资车辆,通过增加网络的检测层,改进网络结构,提高模型对于应急装备物资车辆小目标的检测性能,使用SGD随机梯度优化算法训练改进后的YOLOv3算法,训练后的模型平均精度达到了95％,利用该模型实现了运动的应急装备物资车辆的精准检测;然后,结合Deep Sort算法对应急装备物资车辆进行跟踪,在图像上画出跟踪的应急装备物资车辆的运动轨迹,并对车辆进行自动跟踪计数,在多场景、多路段进行算法验证,实现了5％以内的平均误差;最后,基于提出的YOLOv3+Deep Sort结合的车辆检测跟踪算法,开发基于视频的应急装备物资车辆检测与跟踪软件系统,可实现统计车辆数和车辆的轨迹提取,并利用道路视频测试,验证了系统的检测跟踪效果.

关键词：智能交通;车辆检测;YOLOv3;深度学习;Deep Sort

所属期刊栏目：38

分类号：U495(交通工程与公路运输技术管理)

在线出版日期：2021-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：142-149