基于深度學習的車輛智能檢測方法研究

馮思嘉

（四川工商學院 計算機學院，四川 成都）

引言

隨著現代化社會的發展，尤其是在進入“十四五”時期之后，工業和制造業進入了高速的發展，這也使得城市交通擁堵變得愈發嚴重。交通擁堵所帶來的危害除了會耽誤市民的出行時間之外，同時還會造成額外的交通污染和經濟損失。根據中國交通部發表的數據顯示，交通擁堵帶來的經濟損失占城市人口可支配收入的20%, 相當于每年國內生產總值損失5～8%,每年達2500 億元人民幣。

實施智慧交通能夠有效地緩解城市交通擁堵情況，其中交通數據是智慧交通有效管理的重要依據之一，因此對車輛進行檢測，獲得實時交通數據成為至關重要的環節[1]。

近年來隨著深度學習技術的飛速發展，使得目標檢測技術也得到了發展，將基于深度學習的目標檢測技術用于智慧交通能夠有效地提高道路交通管理的效率，有助于城市交通擁堵的改善。

1 基于深度學習的目標檢測方法

1.1 研究思路

基于深度學習的目標檢測算法分為兩類：基于分類的卷積神經網絡目標檢測和基于回歸的卷積神經網絡目標檢測[2]。

基于分類的卷積神經網絡目標檢測算法有：R-CNN 算法[3]、SPP-NET 算法[4]以及Fast R-CNN[5]，這種類型的檢測算法優勢在于檢測速度較快。

基于回歸的卷積神經網絡目標檢測算法是YOLO算法[6]。故論文以 Yolov5 算法作為基礎，以UA-DETRAC 為數據集訓練和驗證算法，并對實驗結果進行可視化處理。

1.2 Yolov5 算法介紹

Yolov5 的網絡結構主要可以分為輸入端、Backbone、Neck、Prediction 四個部分[7]。Yolov5 相比于Yolov3 而言，輸入端中新增了Mosaic 數據增強、自適應錨框計算、自適應圖片縮放；Backbone 主要新增了Focus 結構、CSPNet 結構；Neck 中使用了FPN 結構、PAN 結構；Prediction 中使用了GIoU_Loss 損失函數。Yolov5 的輸入端（Input）任務主要是對圖像做預處理操作，它的網絡模型的輸入圖像尺寸是640×640，因此在圖像傳入模型之前要將圖像自適應地縮放成640×640，以提高檢測速度。

主干網絡部分（Backbone）的任務主要是對圖像進行特征提取。主要流程如下：先對圖片進行切片，然后進行拼接，再卷積。在切片和拼接的過程中使用到了Focus 結構。

頸部網絡（Neck）的主要任務是收集主干網絡不同階段的特征圖，然后再將這些特征進行混合，以便對特征信息進行增強。在頸部網絡中包含了FPN 結構和PAN 結構。

預測端（Prediction）的主要任務是對特征進行映射，對不同尺度的特征圖進行預測。在預測端里主要結構有損失函數和非極大值抑制，使用CIOU_Loss 函數作為預測框的損失函數，進行反向傳播并且進行不斷優化，最后再使用非極大值抑制對結果進行篩選。

2 深度學習實驗建立

2.1 數據集與運行環境介紹

實驗采用UA-DETRAC 數據集，該數據集是車輛檢測和跟蹤的大規模數據集，數據集主要拍攝于北京和天津的道路過街天橋（京津冀場景），并標注了8 250 個車輛和121 萬目標對象外框。車輛分為轎車、公共汽車、廂式貨車和其他車輛四類。天氣情況分為多云、夜間、晴天和雨天四類。

Yolov5 算法在Python 環境下進行運行，Python 環境使用pip 嚴格按照requirements.txt 中的要求進行搭建。其中IDE 采用PyCharm，與其他開發環境相比，pycharm 有可視化的界面，輸入代碼，調試都非常方便。利于調試以及大型項目開發。Numpy 依賴庫用于數組快速操作的各種API，包括數學、邏輯、形狀操作、排序、選擇、輸入輸出、離散傅立葉變換、基本線性代數，基本統計運算和隨機模擬等等。pillow依賴庫是常用的圖像處理庫。

2.2 模型訓練與推理過程

在使用Yolov5 進行訓練時，參數如表1 所示。

表1 訓練參數

在對模型進行訓練之前，首先利用labelimg 工具對數據集中的圖片進行人工打標、基礎數據增強以及去噪等操作。然后對模型使用上述參數進行訓練，訓練結束之后，使用該模型對測試集中的數據進行預測。

2.3 訓練數據可視化與分析

對模型訓練期間的數據進行可視化分析，圖1 為混淆矩陣（confusion matrix），混淆矩陣是對分類問題的預測結果的總結。使用計數值匯總正確和不正確預測的數量，并按每個類進行細分，這是混淆矩陣的關鍵所在。混淆矩陣顯示了分類模型的在進行預測時會對哪一部分產生混淆。它不僅可以讓我們了解分類模型所犯的錯誤，更重要的是可以了解哪些錯誤類型正在發生。

圖1 混淆矩陣

混淆矩陣的每一列代表一個類的實例預測，而每一行表示一個實際的類的實例，這樣可以通過矩陣就能看出機器是否將兩個不同的類混淆。圖1 的混淆矩陣可以看出經過訓練之后，其結果較好。

接著獲取訓練過程中的單一準確率和召回率。圖2 和圖3 分別為P_curve、R_curve。其中P_curve 為單一類準確率，反應的是準確率和置信度的關系圖。R_curve 為召回率額置信度的關系圖，當置信度越小的時候，類別檢測越全面。

圖2 P_curve

圖3 R_curve

圖2 中Precision 代表預測為positive 的準確率，它從預測結果角度出發，描述了二分類器預測出來的正例結果中有多少是真實正例，即該二分類器預測的正例有多少是準確的，公式為：

其中，TP 代表真陽性，即樣本的真實類別是正例，并且模型預測的結果也是正例，預測正確；FP 代表假陽性樣本的真實類別是負例，但是模型將其預測成為正例，預測錯誤。從圖2 中可以看出Precision 的數值隨著訓練的進行逐漸平穩地趨近于1，說明經過訓練模型的準確度較高。

圖3 中Recall 代表真實為positive 的準確率，即正樣本有多少被找出來了，公式為：

其中，FN 表示假陰性，樣本的真實類別是正例，但是模型將其預測成為負例，預測錯誤。

圖4 為訓練的損失函數，損失函數是用于衡量預測模型和真實值不一樣的程度，其中box_loss 描述了預測框與標定框之間的誤差從圖中可以看出，隨著訓練地不斷進行box_loss 的值越來越小；obj_loss 描述了網絡的置信度，cls_loss 用于計算錨框與對應的分類是否正確。從圖4 可以看出，隨著訓練的進行，box_loss、obj_loss 和cls_loss 都趨近于0。

圖4 訓練過程損失函數

2.4 實際檢測

對訓練好的Yolov5 模型的準確度進行檢測，使用該模型檢測，檢測結果如圖5 所示。根據圖5 可以看出，該模型可以準確地檢測出途中的車輛，并且將車輛用方框標注出來，同時置信度較高在0.69～0.88 之間，可以說明模型訓練結果較好。

圖5 車輛實際檢測結果

結束語

論文將深度學習算法中的Yolov5 算法應用于道路車輛檢測中，利用UA-DETRAC 數據集進行訓練、測試和驗證。通過分析訓練過程中的數據和實際的檢測效果發現，可以對道路車輛進行準確地檢測，實現了道路車輛的檢測，對于緩解城市交通擁堵有著一定的意義，可以提高城市對于道路車輛的效率，同時為車輛的智能駕駛奠定基礎。