基于目标检测的复杂城市交通环境感知技术及应用

摘要

基于机器视觉的环境感知技术是智慧交通领域的关键任务之一.传统深度学习算法通常只能满足单一场景下的个别目标检测任务，难以应对复杂交通环境下的智能感知需求.为提高车辆在复杂环境下的智能感知能力，提出了一种改进的YOLOv8目标检测网络模型，结合注意力机制、优化器和可变形卷积层，实现了在复杂城市交通环境下的多目标检测.采用YOLOv4,YOLOv8及改进的YOLOv8算法对复杂交通环境样本图进行目标检测对比实验.结果表明，与YOLOv4,YOLOv8相比，改进的YOLOv8算法的平均精度分别提高了40.76%和16.92%.该算法的检测准确性与实时性满足实际应用需求，可通过多传感器信息融合，实现在复杂城市交通环境下的智能感知.

关键词

YOLOv8 / 目标检测 / 复杂城市交通 / 环境感知 / 智慧交通