基于深度学习的公路货车车型识别

摘要

为判断公路货车车型,并提升货车车型识别的速度与精度,提出基于深度学习的方法对公路货车及其轮轴进行精细化目标检测;采用道路监控拍摄和网络爬取的方式获得了16 403张公路货车侧方图像,建立了货车侧方图像数据集,并采用Retinex理论和加入限制对比度的自适应直方图均衡化(CLAHE)等视觉增强方法预处理所采集图像中的光照不均图像和夜视图像;通过理论分析和对比试验选取单阶段检测网络YOLOv3作为公路货车车型识别的目标检测网络,并从调整先验框和模型输入大小以及引入注意力机制3个方面优化了检测模型;针对单帧图像可能同时出现多辆货车的情况,采用基于目标位置信息挖掘的算法分析了货车与轮轴的位置信息,提出一种通过轮轴中心点与货车预测框位置信息判定公路货车与轮轴隶属关系的方法。研究结果表明:图像经过预处理可显著增强车辆的特征信息,优化后检测模型的网络性能得到提高,通过对目标位置信息的挖掘与利用可以很好地解决货车车型判定问题;优化后的检测模型实时检测速度可达47帧·s^(-1),对公路货车车型的识别综合准确率达到了94.4%。该方法实现了对公路货车车型的无接触、快速和准确识别,为公路货车车型识别提供了新的手段,符合智慧交通系统的建设需要,可进一步提升道路服务水平。