改进YOLOv5s+DeepSORT的监控视频车流量统计

摘要：

针对监控视频中车流量统计准确率低的问题,提出一种改进YOLOv5s检测结合Deep SORT跟踪的车流量统计方法.为了提升检测器识别效果,将注意力模块CBAM与YOLOv5s网络的Neck部分融合,提高网络的特征提取能力;将CIoU Loss代替GIoU Loss作为目标边界框回归损失函数,加快边界框回归速率的同时提高定位精度;使用DIoU-NMS替换NMS,改善目标拥挤时的漏检问题.调整Deep SORT外观特征提取网络的结构,并在车辆重识别数据集上重新训练,降低目标遮挡导致的身份切换.连接改进的YOLOv5s检测器和Deep SORT,在视频中设置虚拟检测线统计车流量.实验结果表明:改进的YOLOv5s相较原始算法平均准确率提高2.3个百分点,结合Deep SORT跟踪,在行车平峰、高峰、夜间三种场景的车流量统计准确率达到93.5％、91.2％、89.9％.

关键词：YOLOv5s;Deep SORT;注意力机制;CIoU;车流量统计

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省科技创新引导专项S2019-YD-CGXNG-0049

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：271-279