基于改进YOLOv3的人车信号灯识别方法研究

• 作者: 刘敏 刘清 周建武 张斌 张银河 汪韩 牛波
• 来源期刊: 交通科技与管理
• 学科: 交通运输
• 关键词: 人车信号灯目标检测 YOLOv3 K-MEANS聚类 深度学习
• 年，卷（期）: 2020,（11）
• 页码范围: 0113-0115
• 页数: 3页
• 分类号: U491.5

摘要

目标检测是计算机视觉中的一个关键任务,其中YOLOv3算法检测速度较快,但存在边界框定位不准,且对小目标检测精度不高的问题。针对以上问题,本文提出了一种基于改进YOLOv3的人车信号灯识别方法,以获取自动驾驶中所需要的道路交通信息。本文基于Apolloscape数据集中的视频或图像,首先通过K-means聚类计算获得新的anchors值,替换原始YOLOv3模型中的数据集参数,并利用高斯分布特性增加对边界框准确度的判断,再采用改进后的YOLOv3模型对行人、车辆和信号灯等道路交通信息进行检测,实现了端对端的运动目标检测,实时性良好。实验结果与仿真数据呈现出良好的一致性,研究结果表明,相比于原始YOLOv3模型,本文提出的改进的YOLOv3算法具有实时性强、精准度高等优点,在准确度、召回率和平均IOU值上均有提升。