基于改进YOLOv5和视频图像的车型识别

作者：王志斌; 冯雷; 张少波; 吴迪; 赵建东^*

来源：科学技术与工程, 2022, 22(23): 10295-10300.

• 智能交通系统
• 目标检测
• YOLOv5优化算法
• 车型识别

为了提高车型识别的精度和检测速度，提出了改进YOLOv5的车型识别算法。首先利用高速公路收费的监控视频数据扩充BIT-Vehicle车型数据集，同时针对数据集中各车型图片数量不均衡现象利用图像翻转、添加高斯噪声、色彩变化等图像处理技术对各车型数量进行均衡化，构建BIT-Vehicle-Extend数据集；其次，添加RFB(receptive field block)模块用于增加网络感受野，有助于模型捕捉全局特征；第三，将无参数的SimAM注意力机制添加Bottleneck中，在不增加参数的情况下，提高网络的特征提取能力。实验结果表明，相比于原始网络模型，本文所提出的YOLOv5优化算法，mAP0.5和mAP0.5:0.95达到98.7%和96.3%,分别提高了0.7%和1.5%。在检测速度方面，达到90 frames/s,与原网络相比检测速度基本不变。因此，本文所提出的YOLOv5优化算法，能够高精度的实时检测车型信息，满足车型识别检测需要。

• 单位
  北京交通大学; 交通运输学院