基于深度学习的城市内涝区域车辆检测与分析.pdfVIP

老3科技2024年第37卷第5期

ElectronicSci.Tech./May.15,2024

基于深度学习的城市内涝区域车辆检测与分析

夏榕成，刘德儿

（江西理工大学土木与测绘工程学院，江西赣州341000）

摘要在城市内涝场景当中,较多人与车辆被困于积水中,给大众生活带来不利影响。随着计算机技术的快速发

展，深度学习在解决实际问题中的运用也越来越广泛。文中提出了一种利用TensorFlow深度学习框架搭建MaskR一CNN

（RegionswithConvolutionalNeuralNetworksFeatures）模型的方法，对城市内涝场景的积水区进行检测，检测效果良好，

mAP（meanAveragePrecision）值达到89%。同时，基于YOLOv5（YouOnlyLookOnceversion5）模型，采用密集帧间差运

算对处于积水区中的人车进行追踪，追踪精度达到90%左右，并使用YOLOv5外挂ResNet(ResidualNetwork）实现了对内

涝场景中的车辆进行淹没危险度分析。实验结果表明，文中所用模型的车辆危险度检测效果优于其他模型。

关键词城市内涝；MaskR-CNN模型；TensorFlow;深度学习；目标检测；YOLOv5;ResNet；危险度分析

中图分类号TU992.25文献标识码A文章编号1007-7820(2024)05-018-07

doi:10.16180/j.cnki.issn1007-7820.2024.05.003

VehicleDetectionandAnalysisinUrbanWaterloggingAreaBasedonDeepLearning

XIARongcheng,LIUDeer

(SchoolofCivilandSurveyingEngineering,JiangxiUniversityofTechnology,Ganzhou341000,China)

AbstractIntheurbanwaterloggingscene,manypeopleandvehiclesaretrappedinthewater,whichbrings

adverseeffectstothepubliclife.Withtherapiddevelopmentofcomputertechnology,deeplearningismoreandmore

widelyusedinsolvingpracticalproblems.ThisstudyproposesamethodtobuildaMaskR-CNN(RegionswithCon-

volutionalNeuralNetworksFeatures)modelusingTensorFlowdeeplearningframework,whichhasachievedgoodde-

tectionresultsinthedetectionofwaterloggingareasinurbanwaterloggingscenes,withthemAP(meanAveragePre-

cision)valuereaching89%.BasedontheYOLOv5(YouOnlyLookOnceversion5)model,thedenseinterframe

differenceoperationisusedtotrackpeopleandvehiclesinwaterloggedareas,andthetrackingaccuracyreacheda-

bout90%.Moreover,ResNet(ResidualNetwork)attachedtoYOLOv5isusedtoanalyzethe