基于改进YOLOv8的交通监控车辆检测算法

针对目前复杂交通监控场景下车辆检测精度不足、检测速度慢的问题,提出一种基于YOLOv8模型的轻量级车辆检测算法。采用FasterNet替换YOLOv8的骨干特征提取网络,减少了冗余计算和内存访问,提高了模型的检测精度和推理速度;在Backbone和Neck部分添加SimAM注意力模块,在不增加原始网络参数的同时增强了目标车辆的重要特征,提高了模型的特征融合能力;针对密集车流下小尺寸车辆检测效果不佳的问题,添加小目标检测头,更好地捕获小尺寸车辆的特征和上下文信息;使用可自适应调整权重系数的Wise-IoU作为改进模型的损失函数,提升了边界框的回归性能和检测的鲁棒性。在UA-DETRAC数据集的实验结果表明,相较于原模型,改进方法在交通监控系统中能够达到较好的检测精度和速度,mAP和FPS分别提高了3.06个百分点和3.36%,有效改善了复杂交通场景下小目标车辆检测效果不佳的问题,并在精度和速度之间取得了很好的平衡。     

基于参照物法的高速公路车距检测算法研究

行车车距较近是导致高速公路发生交通事故的主要原因之一。为降低交管部门对高速公路未保持安全车距的违法行为的监管成本,基于高速公路场景下的卡口相机视频,提出一种基于参照物法的单目视觉高速公路车距检测方法。该方法首先使用YOLOv5+DeepSORT对视频中的多个车辆进行动态跟踪定位,从而获取车辆的像素位置,再选取长度已知的车道线作为参照物,通过拟合进行世界坐标系与像素坐标系转换,计算得到每个像素点位代表的实际距离,进而基于像素位置计算同一帧下的相邻车辆的实际距离。实验结果表明,在有效测距范围内,所提方法的车辆检测平均精度大于98%,测距误差小于6%,平均误差小于3%,所提方法的精确度能够满足交管部门的监管需求。     

基于视频图像的能见度计算方法研究

为了更加方便快捷地获取能见度并且实现对能见度的长期观测,基于暗通道先验的理论基础对于视频图像的能见度提取方法进行了分析和研究.通过对观测获得的全天不同时刻的目标图像进行亮度分析从而得到对应的大气透过率和能见度,并进一步将能见度提取结果与相同条件下实测激光雷达能见度数据进行了对比.研究结果表明,提取的能见度结果与实测数据...