基于改进YOLOv5m的电动车骑行者头盔与车牌检测方法

来源：南京信息工程大学学报·自然科学版杂志2024年第1期北京时间：

作者：庄建军，叶振兴

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,叶振兴,南京信息工程大学 电子与信息工程学院, 南京, 210044

摘要：电动车上路必须佩戴安全头盔已成为交管部门的强制性规定.为了能自动检测出电动车骑行者的头盔佩戴情况,提出一种基于改进的YOLOv5m模型的头盔与车牌检测方法,在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌.模型使用自建电动车骑行者头盔与车牌检测数据集进行训练,用DIOU损失函数代替GIOU损失函数,DIOU_NMS代替加权NMS,增强模型对密集骑行场景的识别能力.在Backone部位与预测中小目标的Neck部位加入ECA注意力机制,使得模型对中小目标的识别率有所提高;用K-means算法对锚框尺寸重新进行聚类.最后,改进Mosaic数据增强方式.实验结果表明:改进的 YOLOv5m 电动车骑行者头盔与车牌检测模型的 mAP 为 92.7％,较原 YOLOv5m 模型提高 2.15个百分点,较 YOLOv4-tiny、Faster RCNN 模型分别提高 5.7个百分点与 6.9个百分点.改进后的 YOLOv5m 模型能有效提高对头盔与车牌的识别率.

关键词：头盔检测;车牌检测;YOLOv5m;注意力机制;DIOU;K-means算法;改进Mosaic数据增强

基金资助：国家重点研发计划(2021YFE01055 00);国家自然科学基金(62171228)