实时目标检测方法及其在交通中的应用研究.pdf

实时目标检测方法及其在交通中的应用研究 摘要 道路目标检测技术是智能交通中的关键性技术，其目的是根据道路监控图像检测相 应的道路目标，而道路场景背景多样、目标繁杂。现今主要是通过大型服务器计算完成 目标检测，但一套目标检测服务器价格昂贵。本文设计一种实时道路目标检测嵌入式平 台，针对小的应用场景能够实现对于自行车、大巴、轿车、摩托车、行人的实时检测。 本文的主要研究内容如下: (1)提出一种适用于嵌入式设备的轻量化深度学习网络。基于现有的YOLOv3 算法 存在的检测速度过慢和模型过大的问题，优化YOLOv3 中的backbone 网络以及不同空 间分辨率特征融合模型，设计了实时目标检测MobileNetv1_yolov3lite_c2 网络。该网络 的运算速度相对于YOLOv3 提升了3.64 倍，模型检测精度相对于YOLOv3 降低了10% 左右。 (2)对网络的检测精度的优化。基于LRM （loss rank mining ）和label_smoothing 的 方法针对MobileNetv1_yolov3lite_c2 网络算法的损失函数进行优化改进，引入mixup 数 据增广方法以及cosine 学习率衰减方法优化训练过程，提升MobileNetv1_yolov3lite_c2 网络检测精度。仿真实验表明MobileNetv1_yolov3lite_c2 网络有3.02% 的精度提升，在 自建数据集上可达到77.87%的检测精度。 (3)结合嵌入式设备nvidia jetson TX2 的硬件特点和MySQL 数据库，使用多线程的 设计，实现道路目标检测算法的嵌入式应用。测试结果表明，MobileNetv1_yolov3lite_c2 网络在TX2 上实现了实时检测。 本文提出了MobileNetv1_yolov3lite_c2 网络，可在TX2 嵌入式板上以26.67FPS 的 速度进行检测，并在自建数据集上可达到77.87%的检测精度。 关键词：实时目标检测;深度可分离卷积;YOLOv3;nvidiaJetsonTX2;卷积神经 网络 I Real-timeobjectdetectionmethodanditsapplicationintraffic Abstract Road obejct detection technology is a key technology in intelligent transportation. whose purpose is to detect the road targets according to the road monitoring image. But the road scene has various backgrounds and complicated targets. Today, road object detection is mainly done by Large computing server, but a set of road object detection servers is expensive. This paper designs a real-time road target detection embedded platform, which can realize real-time detection for bicycles, buses, cars, motorcycles and pedestrians for small application scenarios. The main research work of this paper are as follows: (1) A lightweight deep learning network suitable for embedded devices is proposed. Due to the exis