基于改进YOLOv4-tiny算法的车距预警方法

针对现有网络难以实时精确识别道路检测目标及车距的问题，提出了一种基于改进YOLOv4-tiny算法的车距预警方法。首先，总结了YOLOv4-tiny算法的特征提取结构，分析了原网络结构的不足之处。其次，在原网络中增加了空间金字塔池化层SPPF进一步提取目标特征，增强深层次语义信息表达能力，并将特征金字塔网络(FPN）结构添加下采样通道和CSPnet层，充分融合多尺度图像特征，避免浅层信息丢失。最后，使用Mosaic数据增强方法丰富数据集训练样本，并将改进YOLOv4-tiny算法与单目测距原理相结合，依据车距大小设置3种级别的信息提示进行车距预警实验。结果表明：本文算法在PASCAL VOC数据集上的检测速度为43帧/s，平均精度达到81.25%，较YOLOv4-tiny算法提高了3.59%。可见，改进YOLOv4-tiny算法在满足检测实时性要求的同时，具备良好的目标检测精度，对提升车距预警方法的使用效果具有指导意义。