关键词:
交通运输规划与管理
公交客流
深度学习
目标检测
计算机视觉
边缘部署
摘要:
针对公交客流检测因忽略边缘计算而导致的数据处理延迟和准确性问题,基于“云-边-端协同架构”提出一种实时且轻量级的公交客流检测算法BPF-DETR.首先,采用RT-DETR-r18作为基线算法以提高实时处理能力;其次,引入轻量级iRMB模块更新ResNet-18作为特征提取主干,通过倒置残差结构充分学习乘客目标的长距离特征交互以及小目标的局部特征交互,在提高轻量性和精度的同时增强算法的边缘适用性;再次,引入ASF架构中的SSFF模块和TFE模块构建多尺度特征融合模块MSFM,进一步提升算法在多尺度和复杂环境下的检测精度;最后,为了验证算法有效性,采用基于ROI的图像拼接方法,提高数据集的代表性与多样性,构建公交客流监控数据集进行训练验证.实验结果表明, BPF-DETR的mAP@0.5为96.4%,模型大小为32.6MB,均优于目前主流的YOLO系列模型,相较于基线算法, mAP@0.5提升了1.1%,模型大小下降16%,满足公交客流检测准确率及边缘部署轻量化要求.