基于改进YOLOv5和视频图像的车型识别

摘要：

为了提高车型识别的精度和检测速度,提出了改进YOLOv5的车型识别算法.首先利用高速公路收费的监控视频数据扩充BIT-Vehicle车型数据集,同时针对数据集中各车型图片数量不均衡现象利用图像翻转、添加高斯噪声、色彩变化等图像处理技术对各车型数量进行均衡化,构建BIT-Vehicle-Extend数据集;其次,添加RFB(receptive field block)模块用于增加网络感受野,有助于模型捕捉全局特征;第三,将无参数的SimAM注意力机制添加Bottleneck中,在不增加参数的情况下,提高网络的特征提取能力.实验结果表明,相比于原始网络模型,本文所提出的YOLOv5优化算法,mAP0.5和mAP0.5:0.95达到98.7％和96.3％,分别提高了0.7％和1.5％.在检测速度方面,达到90 frames/s,与原网络相比检测速度基本不变.因此,本文所提出的YOLOv5优化算法,能够高精度的实时检测车型信息,满足车型识别检测需要.

关键词：智能交通系统、目标检测、YOLOv5优化算法、车型识别

所属期刊栏目：22

分类号：U495(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;高德高速一期工程第一批科技计划

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：10295-10300