基于YOLOX结合DeepSort的船载车辆行人检测算法

摘要：

针对目前国内轮渡车辆行人管控中缺乏对登船车辆行人进行实时捕捉与检测跟踪的问题,提出一种基于YOLOX改进的船载车辆及行人检测方法.首先,将高效通道注意力机制模块(ECA)加入原模型的加强特征提取网络的3个输出头处,提高网络对于车辆行人的特征提取能力;其次使用改进的ASPP模块替代原SPP模块,其中改进后的ASPP模块对原模块进行剪枝,并利用不同空洞卷积率的空洞卷积层相加解决原本ASPP模块的局部信息丢失问题;模型训练完成使用验证集进行验证后,与DeepSort结合进行跟踪检测并对登船车辆进行计数,从而判断轮渡是否超载.最后,本文所改进算法平均精准度指标(mAP)相比于原YOLOX算法提升了3.3%,精确率提升了4.4%,在GPU上测试运行速度达到55 FPS.实验结果表明,本文所改进算法适用于轮渡入口环境下对车辆、行人目标的实时性检测.

关键词：轮渡、目标检测、YOLOX、深度可分离卷积、ASPP

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省六大高峰人才项目;江苏省招商局海工科研创新基金资助项目;苏州科技大学苏州智慧城市研究院开放基金资助项目

在线出版日期：2023-09-26（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：60-67,111