基于改进YOLO的公路路网视频并发检测及应用

摘要

提出一种轻量化YOLO模型方法,应用于公路路网视频实时状态分析,解决了YOLO目标检测算法在实际应用中计算代价过大问题,并能满足多路监控视频实时并发检测的需求.首先,对YOLO的主干网络进行层次剪枝与通道剪枝,设计出更轻量的特征提取网络结构.其次,采用混合了多重感受野的Inception模块替换标准卷积模块,提升高层特征之间的空间信息交互.再次,修改模型数据结构,使用16位浮点数据存储参数,减少计算开销.最后,基于改进的YOLO训练车辆识别模型,实现基于车辆检测与追踪的路网断面流量统计、速度提取,以及拥堵事件检测,实时并发视频检测达到11路.实验结果表明,轻量化YOLO模型在相同检测精度下,并发检测性能提升1倍.