基于改进的YOLOv5模型和射线法的车辆违停检测

来源：南京信息工程大学学报·自然科学版杂志2024年第3期北京时间：

作者：庄建军，徐子恒，张若愚

单位：庄建军,南京信息工程大学 电子与信息工程学院, 南京, 210044,徐子恒,南京信息工程大学 电子与信息工程学院, 南京, 210044,2278976145@qq.com张若愚,南京信息工程大学 电子与信息工程学院, 南京, 210044

摘要：车辆违法停车将会降低道路通行效率,引发交通拥堵和交通事故.传统的车辆违停检测方法参数量大且准确度低.为此,本文提出了一种使用改进的YOLOv5模型和射线法的车辆违停检测方法.首先设计了轻量化的特征提取模块,减少模型参数量;其次在模型中加入注意力机制,从通道维度和空间维度增强模型的特征提取能力,保证模型精度;接着使用混合数据增强丰富数据集样本,提升复杂背景下的检测效果;然后选用EIoU作为损失函数提高模型定位能力.实验结果表明,改进后的模型均值平均精度达到91.35%,比原始YOLOv5s提升1.01个百分点,并且参数量减少35.79%.最后将改进后模型与射线法结合,在Jetson Xavier NX嵌入式平台的检测速度可以达到约28帧/s,能够实现实时检测.

关键词：车辆违停检测;YOLOv5s算法;Ghost卷积;注意力机制;射线法

基金资助：国家自然科学基金(62171228);江苏省研究生科研与实践创新计划(SJCX21_0354)