基于YOLOv5的夜间交通道路车辆检测方法设计

摘要

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。

关键词

公路交通 / 车辆检测 / 夜间车辆统计 / YOLOv5 / 数据增强 / 双回路设计 / 补光装置