复杂环境下自适应去雾的YOLOv3汽车识别算法

作者：杨秀璋; 武帅^*; 李娜; 杨雯雯; 廖文婧; 周继松

来源：计算机科学, 2023, 50(S2): 220-227.

• 深度学习
• 自适应图像去雾
• YOLOv3
• 汽车识别
• 目标检测

复杂环境因素会严重影响道路汽车目标检测算法的性能，传统方法识别精度较低且感知慢，严重威胁交通安全，为此提出一种融合自适应图像去雾的YOLOv3汽车识别算法。首先，在图像预处理阶段构建自适应图像去雾算法，融合ACE去雾算法和暗通道去雾算法，有效降低雨雾图像噪声；其次，利用改进的YOLOv3算法识别和定位汽车位置；最后，通过详细的对比实验证明方法的有效性，并准确识别出复杂天气中行驶的车辆。实验结果表明，所提方法能有效降低雨雾情况下的噪声，对行驶车辆进行有效定位，其精确率、召回率和F1值分别为0.944,0.934和0.939，均高于传统SSD,YOLO和YOLOv3算法，并且具有较好的鲁棒性和速度，这将为智慧交通的发展提供理论基础并具有实践意义。

• 单位
  中国船舶工业系统工程研究院; 贵州财经大学; 南京农业大学