10.3969/j.issn.1007-130X.2023.04.014
基于改进YOLOv5+DeepSort算法模型的交叉路口车辆实时检测
针对传统目标检测跟踪算法检测精度低、鲁棒性差的缺点,以及交叉路口图像视频资源冗余的现象和车辆密集程度高的特点,提出了一种基于改进YOLOv5和DeepSort算法模型的交叉路口实时车流量检测方法,在MS COCO和BDD100k相结合的数据集上,采用改进的YOLOv5算法模型实现视频小目标车辆检测,利用深度学习多目标跟踪算法DeepSort对检测的车辆进行实时跟踪计数,实现了交叉路口监控端对端的实时车流量检测.通过分析比较不同参数的模型,最终选定了YOLOv5m模型.实验结果表明,该方法在复杂环境、车辆遮挡和目标密集程度高等环境下检测速度更加快,对车辆的检测效果更好,平均准确度达到96.6%.该方法完全满足目标实时性检测的要求,能充分满足交叉路口车辆检测的有效性,满足实际需要的使用需求.
YOLOv5算法、车辆检测、DeepSort算法、目标检测、实时检测
45
TP301.6(计算技术、计算机技术)
2023-04-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
674-682