针对夜晚环境中车流量统计的实时性、鲁棒性和准确性不高等问题,提出一种基于YOLOv5算法优化和摄像补光灯相配合的车辆检测方法,实现交通道路上车辆的精确检测,克服以往夜间图像模糊、光线昏暗等造成的检测不准确问题。采用基于YOLOv5...针对夜晚环境中车流量统计的实时性、鲁棒性和准确性不高等问题,提出一种基于YOLOv5算法优化和摄像补光灯相配合的车辆检测方法,实现交通道路上车辆的精确检测,克服以往夜间图像模糊、光线昏暗等造成的检测不准确问题。采用基于YOLOv5深度学习的方法,以道路临时拍摄的图像构成数据集,以高斯函数构建数据增强图像进行车辆检测,其中检测系统的硬件采用芯片双回路设计控制补光装置,提高检测识别准确性,软件上对YOLOv5算法进行超参数优化,提升系统检测精确性和快速性;采集不同天气、不同补光强度下道路交通图像,通过优化后算法分析其有效性,结果表明,相较于原有检测方法,该方法的平均准确率(mean Average Precision,mAP)和检测帧速率(Frame Per Second,FPS)分别增加4.2%、12%,检测效果较好。展开更多
文摘针对夜晚环境中车流量统计的实时性、鲁棒性和准确性不高等问题,提出一种基于YOLOv5算法优化和摄像补光灯相配合的车辆检测方法,实现交通道路上车辆的精确检测,克服以往夜间图像模糊、光线昏暗等造成的检测不准确问题。采用基于YOLOv5深度学习的方法,以道路临时拍摄的图像构成数据集,以高斯函数构建数据增强图像进行车辆检测,其中检测系统的硬件采用芯片双回路设计控制补光装置,提高检测识别准确性,软件上对YOLOv5算法进行超参数优化,提升系统检测精确性和快速性;采集不同天气、不同补光强度下道路交通图像,通过优化后算法分析其有效性,结果表明,相较于原有检测方法,该方法的平均准确率(mean Average Precision,mAP)和检测帧速率(Frame Per Second,FPS)分别增加4.2%、12%,检测效果较好。
