10.3969/j.issn.1006-9348.2022.11.034
基于Deepsort和YOLOv3算法的车灯检测与追踪
针对目前在夜间或者光线较暗场景下车辆检测精度低的问题,提出了一种通过提取车辆双灯特征的方法来提高夜晚或者光线较暗的场景下车辆检测的精度.利用k-means计算锚框值来改变原始YOLO的锚点机制;然后采用YOLOv3在同一数据集上进行对比实验;接着利用YOLOv3算法检测车灯并结合Deepsort算法实现对检测目标跟踪,并通过MOTA和MOTP两个参数对跟踪的结果进行评价.实验表明,k-means重新聚类可有效提高车双灯检测精度.并在上述机制下,YOLOV3算法下的车辆双灯检测比整车检测的map提高了 2.68%.车辆双灯的MOTA比整车车辆的MOTA提升2.9%,MOTP提升0.5%.由实验结果可知,基于车灯的检测和跟踪可提高车辆的检测和跟踪效果,为智能交通的研究与发展提供了支撑.
深度学习、车辆检测、车灯检测、目标跟踪
39
TP391.9(计算技术、计算机技术)
国家自然科学基金;水电工程智能视觉监测湖北省重点实验室建设;水电工程视觉监测湖北省重点三峡大学实验室开放基金
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
173-178