基于YOLOv5s模型的車輛類型檢測算法

劉 鶴，李建義

（北華航天工業學院，河北 廊坊 065000）

0 引言

隨著近些年私家車數量的增加，交通問題日益凸顯，智慧交通對滿足人們的生活需求、提高交通運輸效率具有重要意義［1］。車輛類型檢測是智慧交通的重要部分，例如在高速路口根據車輛類型會有不同的收費標準。目前，車輛類型檢測的方法主要有基于CNN的車輛目標檢測［2］、基于改進的Harris角點檢測的車型識別［3］、基于SVM的車型檢測和識別算法［4］、基于特征融合的車型檢測。基于CNN與SVM的算法特征維數高、訓練時間長，而且在面對較多車輛時會有遺漏情況。基于改進的Harris角點檢測與基于特征融合的車型檢測實時性差，不能及時檢測車輛類型。因此，以上算法都不能滿足車輛類型實時檢測的需求。

為解決以上問題，本文選擇目前流行的YO‐LOv5s［5］為基礎框架，進一步高效地檢測識別車輛類型。針對YOLOv5s算法使用Giou［6］作為損失函數時，如果兩個目標邊界框出現包含關系，或長寬高相同，差集會變為0，無法評估相對位置等問題，提出使用Ciou［7］作為損失函數代替Giou，既提高了模型訓練的速度，又進一步改善了模型的精度。仿真實驗結果表明：該改進方法對車輛類型的檢測具有較好的實時性和較高的精確度。

1 YOLOv5s網絡模型

YOLOv5是一種單階段目標檢測算法，它和YOLOv3、YOLOv4整體布局相似，由Input、Back‐bone、Neck、Prediction四部分構成［8］，車輛檢測流程結構如圖1。v5系列總共有四個版本：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，這四個版本在結構上一致，其中YOLOv5s網絡最小［9］，精確度不如其余三種，但是速度最快。其余三種網絡在YOLOv5s的基礎上不斷加深和加寬，精確度高但是速度較慢。由于本次實驗是對車輛的類型進行檢測，對檢測的速度有較高的要求，因此，選擇YOLOv5s作為本實驗目標檢驗的框架基礎。

圖1 車輛檢測流程結構

1.1 Input區域

YOLOv5s輸入端結構如圖2所示，它采用Mo‐saic數據增強的方式［10］，將輸入的四張汽車圖像進行隨機縮放、裁剪、排布拼接［11］。YOLOv5s針對采集的車輛圖像信息不一致問題，采用自適應圖片縮放的方式，將輸入的汽車圖像縮放或填充到608*608尺寸。對統一長寬的汽車圖像設定初始長寬的錨框，每次訓練將預測車型錨框與真實錨框比對，計算兩者差距并更新網絡參數，自適應找出最佳錨框。

圖2 Input結構

1.2 Backbone區域

Backbone［12］是YOLOv5s網絡的主干部分，車輛圖像依次經過一次Focus結構，X次CBL、CSP1［13］結構和一次SPP［14］結構。

Focus結構的主要工作是對車輛圖像進行切片操作，結構如圖3所示。Focus將3*608*608切成四個3*304*304的切片，然后采用Concat拼接這四個切片，經過卷積層提取車輛特征。最后使用Leaky_relu激活函數輸出一個沒有信息丟失的采樣特征圖［15］。

圖3 Focus結構

經Focus輸出的車輛采樣特征圖會依次經過X次CBL、CSP1結構。CBL由卷積層、歸一化層、激活層組成，即采樣特征圖先經過卷積層進一步提取不同的特征，其次經過歸一化層，實現特征結果的歸一化，最后經過Leaky_relu激活函數輸出結果到CSP1。

CSP1的結構如圖4所示，CSP1的工作是提取特征，一個CSP1由兩條“路徑”組成，其中一條只有一個卷積層，另一條包含一個或多個CBL塊、多個殘差組件和一個卷積層。兩條“路徑”由Concat層拼接經歸一化層和激活函數Leaky_relu輸出。

圖4 CSP1結構

SPP結構由Conv、max pooling和Concat三部分組成，結構如圖5所示。SPP接收的圖像尺寸為512*20*20，將輸入圖像通過Conv層進行特征提取之后輸出尺寸為256*20*20，將提取后的特征在fea‐ture map上選取候選框，再經過四個max pooling提取固定大小特征，最后由Concat層拼接輸出。

圖5 SPP結構

1.3 Neck區域和Prediction區域

Neck區域采用FPN［16］的反向擴展結構FPN+PAN［17］，如圖6所示。自頂向下傳遞的FPN結構與兩個自底向上的PAN結構結合操作，極大加強了網絡特征的融合能力。

圖6 FPN+PAN結構

Prediction負責將輸入的車輛圖像進行識別和分類。Prediction有三個輸出，每個輸出都是由卷積層與全連接層構成。針對每個輸出，使用非最大抑制（NMS）［18］算法來消除多目標檢測。

2 YOLOv5s網絡模型改進

損失函數作為評價模型預測值和真實值差距的關鍵指標，損失函數和構建模型的性能呈正相關關系。傳統YOLOv5s采用Giou作為損失函數。不同于Iou只關注重疊區域，對于非重合區域Giou同樣關注，但是當兩個目標邊界框出現包含關系，或長寬高相同時，差集為0，Giou退化成Iou，無法評估相對位置，同時，Giou收斂速度慢。為解決此問題，本文采用Ciou作為損失函數，它可以充分考慮重疊面積、中心點距離、長寬比3個幾何參數，使檢測框更加符合真實框。因此，本實驗采用基于Ciou損失函數的YOLOv5s模型。

Ciou損失函數公式如下：

式中α是權重函數；υ用來度量寬高比的一致性；ρ2(A，B)表示A（預測框）與B（目標框）的中心距離；c代表A與B最小并區間對角線距離；Iou等于A和B的交集除以二者的并集是矩形對角線傾斜角度。

3 仿真實驗對比及分析

3.1 數據集介紹

本次實驗自制了一個車輛信息數據集，包括家用轎車、公交車、消防車、卡車、吉普車、SUV、面包車、出租車八種車型。車輛數據來自街道、校園和汽車展廳，共1260張圖像，如圖7所示。通過使用LabelImg軟件將收集的圖片標注出車輛類別，并將每個圖像標注好的結果以.txt文件保存，該文件名和圖像名稱一致，包含對象的類別，對象中心的坐標、寬度和高度。本次實驗將以7:3的比例劃分訓練集和測試集，分別用于本實驗模型的訓練和測試。

圖7 車輛數據集圖例

3.2 YOLOv5s網絡訓練

本實驗運行環境：操作系統為Centos7，CPU為Intel Xeon Platinum8156，GPU為NVIDIA GeForce RTX 3080 Ti，內存16G，通過Python編程語言實現，使用框架為Pytorch。

為了查看訓練周期對訓練模型的影響，本實驗對同一數據集訓練四次：25、50、75和100個周期，實驗周期對比結果見表1。

表1 周期對比結果

從表1中可以看出，訓練的周期長短影響YO‐LOv5訓練模型的質量，當接近100個周期時，參數增加幅度極低，因此，epochs為100時是最佳次數。

3.3 模型評估指標

本實驗使用mAP作為模型的評價指標，mAP值越大說明車輛類型檢測識別率越好，mAP公式如下：

其中，AP代表平均精度，是P-R曲線下的面積，mAP為AP的平均值。P表示預測為正例的樣本中有多少是預測正確的，R表示真正為正例的樣本中有多少被預測正確。P和R公式如下：

3.4 測試結果

本實驗的YOLOv5s與傳統YOLOv5s在訓練100個epochs后，新YOLOv5s的mAP收斂速度明顯高于YOLOv5s，而且起伏較小，如圖8所示。

圖8 mAP對比結果

從上圖可以得出，本實驗中的mAP值在60輪時就已經比傳統YOLOv5s在100輪的效果要好，可以節省大量的訓練時間，在有限時間下改進YOLOv5s會取得更加顯著的效果。

除mAP外，本實驗訓練模型的Precision、Recall分別能達到0.995和0.996，如圖9所示。

圖9 Precision和Recall結果

為了直觀檢驗訓練車輛檢測模型的效果，隨機從測試集抽取部分圖片作為輸入，這些圖片包含多種角度、多種拍攝距離下的交通照片，結果如圖10所示。從圖中可以看到能夠準確識別消防車、公交車和私家車，證明了本實驗可以精確的識別車輛類型，滿足實際交通應用需求。

圖10 優化后檢測效果

4 結語

本實驗為滿足智能交通中對車輛類型檢測精度以及速度的需求，提出以YOLOv5s為基礎框架，用Ciou代替Giou作為損失函數。實驗結果表明，本實驗改進的YOLOv5s在mAP上明顯優于原YO‐LOv5s，且收斂速度提升20%，實現了速度與精度兩個方面的提升，非常適用于車輛類型識別的任務。