排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
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。 相似文献
2.
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。 相似文献
3.
1