改进YOLOv5s+DeepSORT的监控视频车流量统计

摘要

针对监控视频中车流量统计准确率低的问题,提出一种改进YOLOv5s检测结合Deep SORT跟踪的车流量统计方法。为了提升检测器识别效果,将注意力模块CBAM与YOLOv5s网络的Neck部分融合,提高网络的特征提取能力;将CIoU Loss代替GIoU Loss作为目标边界框回归损失函数,加快边界框回归速率的同时提高定位精度;使用DIoU-NMS替换NMS,改善目标拥挤时的漏检问题。调整Deep SORT外观特征提取网络的结构,并在车辆重识别数据集上重新训练,降低目标遮挡导致的身份切换。连接改进的YOLOv5s检测器和Deep SORT,在视频中设置虚拟检测线统计车流量。实验结果表明:改进的YOLOv5s相较原始算法平均准确率提高2.3个百分点,结合Deep SORT跟踪,在行车平峰、高峰、夜间三种场景的车流量统计准确率达到93.5%、91.2%、89.9%。