朱萬杰

摘 要：車輛的追蹤檢測(cè)與識(shí)別計(jì)數(shù)是道路汽車分析的重要組成部分，傳統(tǒng)的基于人工特征的目標(biāo)檢測(cè)算法其泛化能力與魯棒性較差，因此，本項(xiàng)目針對(duì)目前汽車車輛的追蹤檢測(cè)與識(shí)別計(jì)數(shù)所采用的方法存在的不足，提出了一種基于YOLOv5 圖像識(shí)別和處理技術(shù)的車輛檢測(cè)方法。本文所設(shè)計(jì)的相關(guān)檢測(cè)算法適用性較大，與其它算法相比，所檢測(cè)目標(biāo)無論是圖片，視頻，以及攝像頭實(shí)時(shí)監(jiān)控等情況，在滿足實(shí)時(shí)性的前提下具有極高的識(shí)別率，得到了較好的結(jié)果。

關(guān)鍵詞：YOLO；車輛檢測(cè)；圖片分割

一、YOLO概述

當(dāng)眾學(xué)者還沉浸在Joseph Redmon——“YOLO 之父”宣布退出 CV 界的震驚與惋惜中時(shí)，YOLOv5 橫跨出世。由于 YOLOv5官方還未公開論文，因此只能從公開的代碼中進(jìn)行研究。YOLOv5官方發(fā)布的代碼中，檢測(cè)網(wǎng)絡(luò)共有四個(gè)版本，依次為YOLOv5x、YOLOv5l、YOLOv5m、YOLOv5s。其中 YOLOv5s 是深度和特征圖寬度均最小的網(wǎng)絡(luò)，另外三種可以認(rèn)為是在其基礎(chǔ)上，進(jìn)行了加深、加寬。YOLOv4 與YOLOv5 在結(jié)構(gòu)上基本相似，只是在細(xì)節(jié)上稍有差異。YOLOv5（You Only Look Once）是由UltralyticsLLC公司于2020年5月份提出，其圖像推理速度最快達(dá)0.007s，即每秒可處理140幀，滿足視頻圖像實(shí)時(shí)檢測(cè)需求，同時(shí)結(jié)構(gòu)更為小巧，YOLOv5s 版本的權(quán)重?cái)?shù)據(jù)文件為YOLOv4的1/9，大小為27MB。[6]YOLOv5按照網(wǎng)絡(luò)深度大小和特征圖寬度大小分為YOLOv5s、 YOLOv5m、YOLOv5l、YOLOv5，本文采用了YOLOv5s作為使用模型。

二、系統(tǒng)概要設(shè)計(jì)

YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)圖分為兩個(gè)部分，分別為主干網(wǎng)絡(luò)：如下文所提出的輸入端、Backbone兩個(gè)部分，和偵測(cè)網(wǎng)絡(luò)：如下文所提出的Neck、Prediction兩個(gè)部分。輸入端主要采用的方法函數(shù)分別為Mosaic數(shù)據(jù)增強(qiáng)，主要介紹關(guān)于圖片的隨機(jī)縮放，隨機(jī)裁剪，隨機(jī)排布的方式對(duì)數(shù)據(jù)進(jìn)行拼接，從而實(shí)現(xiàn)了對(duì)小目標(biāo)檢測(cè)有較為可觀的實(shí)驗(yàn)結(jié)果，改變了YOLO自身方法從發(fā)展初到現(xiàn)在對(duì)小目標(biāo)的偵測(cè)回應(yīng)不夠的問題。YOLO版本初期訓(xùn)練的時(shí)候會(huì)將所有圖片數(shù)據(jù)對(duì)其進(jìn)行Mosaic數(shù)據(jù)處理，使得到的圖片結(jié)果為416*416或608*608的形式再進(jìn)行偵測(cè)，這就會(huì)導(dǎo)致實(shí)驗(yàn)過程中對(duì)數(shù)據(jù)的處理出現(xiàn)問題，導(dǎo)致圖片上之前所出現(xiàn)的較為細(xì)小、被部分遮擋、模糊的目標(biāo)無法檢測(cè)使得實(shí)驗(yàn)結(jié)果出現(xiàn)參差。自適應(yīng)錨框計(jì)算即在不同的訓(xùn)練中我們可以對(duì)錨框進(jìn)行調(diào)整，通過COCO為基礎(chǔ)再傳入所需訓(xùn)練集，根據(jù)自己所需結(jié)果來調(diào)設(shè)置是否開啟自適應(yīng)錨框算法的效果，同時(shí)也包括自適應(yīng)圖片縮放，將圖片縮放到統(tǒng)一尺寸，更方便系統(tǒng)的量化處理以及信息的快速提取。Backbone結(jié)構(gòu)主要目的是增強(qiáng)卷積網(wǎng)絡(luò)的學(xué)習(xí)能力，降低預(yù)算成本：Focus結(jié)構(gòu)，CSP結(jié)構(gòu)。Neck：FPN+PAN結(jié)構(gòu)主要是方便調(diào)整傳遞淺層特征的層數(shù)，降低數(shù)據(jù)丟失風(fēng)險(xiǎn)。Prediction所使用的是CIOU_Loss，也可以根據(jù)自我所需來設(shè)置使用其它的IOU_Loss（GIOU＿Loss＝False，DIOU＿Loss＝False，CIOU＿Loss＝False）的使用與關(guān)閉。

三、結(jié)語

本文使用基于YOLOv5s圖像識(shí)別和處理技術(shù)的車輛檢測(cè)方法成功實(shí)現(xiàn)了對(duì)車輛的追蹤檢測(cè)與識(shí)別計(jì)數(shù)，從訓(xùn)練得到的結(jié)果來看，無論是復(fù)雜環(huán)境還是惡虐天氣該算法都有著極高的識(shí)別率以及識(shí)別速度。YOLOv5s 不僅運(yùn)行速度非常快而且模型也是大大的降低了存儲(chǔ)空間。

參考文獻(xiàn)：

[1]楊小岡，高凡，盧瑞濤，李維鵬，張濤，曾俊.基于改進(jìn)YOLOv5的輕量化航空目標(biāo)檢測(cè)方法[J/OL].信息與控制：1-7[2021-10-11].http：//kns.cnki.net/kcms/detail/21.1138.TP.20210927.1729.002.html.

[2]張干，李文舉，張耀星. 基于改進(jìn)的YOLOv5算法的交通標(biāo)志識(shí)別[A]. 中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)仿真應(yīng)用分會(huì).'21 全國(guó)仿真技術(shù)學(xué)術(shù)會(huì)議論文集[C].中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)仿真應(yīng)用分會(huì)：計(jì)算機(jī)仿真雜志社，2021：5.

[3]錢伍，王國(guó)中，李國(guó)平.改進(jìn)YOLOv5的交通燈實(shí)時(shí)檢測(cè)魯棒算法[J/OL].計(jì)算機(jī)科學(xué)與探索：1-14[2021-10-11].http：//kns.cnki.net/kcms/detail/11.5602.tp.20210824.1346.002.html.