高速公路交通异常事件检测研究与实现.pdfVIP

摘要

高速公路交通路网的不断发展与完善，给人们带来了方便快捷的出行方式，也促进了经

济发展，但随着车辆数量的增加所导致的交通安全问题也日益引发关注。因此，实现对高速

公路交通异常事件准确且高效的检测成为至关重要的问题。传统的检测方式由于检测成本高

且检测效率过低已无法满足当前检测需求，而无人机技术与深度学习的出现成为了高速公路

交通巡检的未来发展趋势。

基于无人机巡检视频图像序列，结合深度学习目标检测与跟踪算法实现对高速公路上车

辆目标的检测和跟踪，将交通异常事件检测作为主要研究目标开展研究，以提高对交通异常

事件检测的实时性和准确度作为目标，构建高速公路交通异常事件检测模型。

对高速公路交通异常事件进行定义，将收集到的高速公路视频以及图像数据进行筛选和

处理，并对图像数据中的目标进行标注，建立检测数据集。为了实现对高速公路上车辆目标

与抛洒物的准确检测，本文选择基于深度学习中YOLOv8n目标检测算法。为改善YOLOv8n

存在的不足和提升算法模型的检测精度与效率，对该算法进行优化改进并提出MCF_v8n检

测算法。采用MobileNetV3网络结构对主干网络进行轻量化处理，降低模型复杂度与计算量；

嵌入CBAM注意力机制与C2f模块相结合，使