慢行交通速度是慢行交通参数不可或缺的一部分,现有的通过目标检测从视频中提取目标速度的方法不能兼具检测准确率与目标框的稳定性,且选取的速度计算基准点(简称基准点)波动大,存在速度不准确、不稳定的问题。为解决此问题,本文提出一...慢行交通速度是慢行交通参数不可或缺的一部分,现有的通过目标检测从视频中提取目标速度的方法不能兼具检测准确率与目标框的稳定性,且选取的速度计算基准点(简称基准点)波动大,存在速度不准确、不稳定的问题。为解决此问题,本文提出一种基于YOLOv5(You Only Look Once Version 5)的融合检测跟踪网络及速度计算方法,获取更准确、稳定的速度。首先,使用目标检测与目标跟踪单元得到目标的检测框与ID信息,并根据检测框获取目标感兴趣区域送入头部检测单元,进一步获取头部检测框;其次,根据场景下的目标特征判断头部检测框所属,并根据判断结果提供两种基准点计算方法;最后,对二维基准点坐标进行三维映射,并将结果代入速度计算公式获得速度;同时,提出准确度(M_(A))、稳定度(M_(S))两个评价指标以量化评价方法。本文在公开数据集PETS09-S2L1与TUD-Stadtmitte上验证融合网络的检测、跟踪效果,在自建双视角协同数据集上验证基准点计算和速度计算方法的效果。实验结果显示,融合网络的目标检测和跟踪准确率(MOTA)比单一网络高25%以上,本文速度计算方法比常用速度计算方法的准确度提高了30%,稳定度提高了6.28%。本文方法可兼具检测准确率与目标框的稳定性,选取的基准点波动更小,获得的速度更准确、稳定。展开更多
文摘慢行交通速度是慢行交通参数不可或缺的一部分,现有的通过目标检测从视频中提取目标速度的方法不能兼具检测准确率与目标框的稳定性,且选取的速度计算基准点(简称基准点)波动大,存在速度不准确、不稳定的问题。为解决此问题,本文提出一种基于YOLOv5(You Only Look Once Version 5)的融合检测跟踪网络及速度计算方法,获取更准确、稳定的速度。首先,使用目标检测与目标跟踪单元得到目标的检测框与ID信息,并根据检测框获取目标感兴趣区域送入头部检测单元,进一步获取头部检测框;其次,根据场景下的目标特征判断头部检测框所属,并根据判断结果提供两种基准点计算方法;最后,对二维基准点坐标进行三维映射,并将结果代入速度计算公式获得速度;同时,提出准确度(M_(A))、稳定度(M_(S))两个评价指标以量化评价方法。本文在公开数据集PETS09-S2L1与TUD-Stadtmitte上验证融合网络的检测、跟踪效果,在自建双视角协同数据集上验证基准点计算和速度计算方法的效果。实验结果显示,融合网络的目标检测和跟踪准确率(MOTA)比单一网络高25%以上,本文速度计算方法比常用速度计算方法的准确度提高了30%,稳定度提高了6.28%。本文方法可兼具检测准确率与目标框的稳定性,选取的基准点波动更小,获得的速度更准确、稳定。
