关键词:
ConvNeXt网络
车身颜色识别
YOLOv5算法
车辆检测
禁停检测
摘要:
高速服务区车辆禁停检测面临场景复杂的挑战,目前基于单一车型信息的禁停检测算法受到昼夜光照变化、车辆重叠遮挡以及视角倾斜等因素的影响,无法在连续时间段内准确判断禁停区域内的车辆是否为同一辆车,存在较高的误检率和漏检率。为此,提出一种复杂环境下高速服务区禁停检测算法,首先使用YOLOv5车辆检测算法获取车型与位置信息,并给出一种改进禁停区域匹配方法,提升复杂环境下目标和区域匹配准确率;其次对禁停区域内目标车辆使用ConvNeXt车身颜色识别算法获取颜色信息;最后设计一种分阶段控制的多维信息匹配与融合策略,有效降低因光照、遮挡、视角等变化导致的车辆身份判断不准确情况,从而降低服务区车辆禁停检测的误报率与漏检率。实验结果表明,所提方法在高速服务区禁停数据集上的禁停误检率由3.56%下降到0.77%,禁停漏检率由11.3%下降到2.48%,不仅为服务区管理禁停行为提供了车辆多属性信息和车辆违停时长信息,而且满足服务区多场景部署的性能要求,可较好地用于实际应用中。