一种基于改进YOLOV7和Deep-Sort的交通流量统计方法技术

本发明专利技术公开了一种基于改进YOLO V7和Deep

【技术实现步骤摘要】
一种基于改进YOLO V7和Deep
‑
Sort的交通流量统计方法


[0001]本专利技术属于交通流量统计
，具体涉及一种基于改进YOLO V7和Deep
‑
Sort的交通流量统计方法。

技术介绍

[0002]在智慧交通系统中，以计算机视觉为基础，利用监控视频进行交通流量统计是一个备受关注的研究领域，其帮助交通管理部门及时了解道路上的车流情况，对交通资源进行合理分配，提高道路的通行效率，有效预防和应对城市交通拥堵问题，为城市交通管理提供了有力的支持。交通流量统计通常包括车辆目标检测和跟踪两部分。
[0003]在复杂的交通环境中，如何准确的检测出车辆是保证交通流量统计准确率的首要条件。早期基于视觉技术的运动目标检测算法的主要包括背景差法、帧差法和光流法，如基于机器学习的道路监控车流仿真方法、装置、设备及介质的专利技术专利，运用帧间差分法分离出每帧图像的移动前景和背景，根据每帧图像中的移动前景对应的像素点，判断监控视频中有无运动车辆，但由于其原理的缺陷，不能提取出对象的完整区域，只能提取出边界；同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLO V7和Deep
‑
Sort的交通流量统计方法，其特征在于，包括以下步骤；(1)准备车辆数据集；(2)搭建改进的YOLOv7模型，并利用所述车辆数据集进行训练与检测；所述改进的YOLOv7模型，是指在原YOLOv7模型的基础上，在其主干网络的每次特征提取网络后添加SE
‑
Net模块；(3)搭建Deep
‑
Sort模型对检测后的车辆跟踪；Deep
‑
Sort模型包括目标检测模块、位置预测模块、特征匹配模块和更新模块；(4)使用基于运动轨迹与检测线的交通流量统计方法获取交通监控视频、绘制虚拟检测线、设置感兴趣区域、进入检测流程和跟踪流程，从而完成交通流量统计。2.根据权利要求1所述的一种基于改进YOLO V7和Deep
‑
Sort的交通流量统计方法，其特征在于，所述步骤(1)中，训练时所需的车辆数据集包括；UA
‑
DETRAC数据集和自制数据集；将其按比例分为训练集和测试集；首先将UA
‑
DETRAC数据集xml格式转成VOC数据集xml格式，然后将VOC数据集xml格式转为YOLOv7数据集txt格式，完成数据集格式转换；所述自制数据集是拍摄的多段视频，场景包括高峰时段，低峰时段和夜间时段的道路车辆行驶情况，每个文件夹包含一段视频截取的每隔5帧的图片序列，并使用LabelImg工具对收集到的图片进行标注，按照比例分为训练集和测试集，将UA
‑
DETRAC数据集和自制数据集结合，最终得到预处理后的车辆数据集。3.根据权利要求1所述的一种基于改进YOLO V7和Deep
‑
Sort的交通流量统计方法，其特征在于，所述步骤(2)具体为：1)搭建改进的YOLOv7模型的输入端，包括：(1)Mosaic数据增强：将步骤(1)中的图片序列每四张为一组，通过翻转、缩放、区域内的色域变化拼接在一张图片内；(2)自适应图片缩放：规定进行训练的图片大小为640
×
640，对长x、宽y进行缩放；计算缩放后的x与y的大小，分别表示为x1与y1，其中x1＝x
×
min{x/640,y/640}，y1＝y
×
min{x/640,y/640}；如果x1<640，则对应的x高度上下添加[(640
‑
x1)％64]/2高度的黑边，最终凑成640
×
640大小的图片；同理y方向操作，其中min操作表示为取花括号内最小的值，％表示为取余操作；2)搭建改进的YOLOv7模型的特征提取网络，包括：将三个SE
‑
Net模块嵌入在E
‑
ELAN模块和MP Conv模块之间，E
‑
ELAN模块输出的特征图作为SE
‑
Net模块的输入，SE
‑
Net模块输出的特征图作为MP Conv模块的输入，最后一个SE
‑
Net嵌入在E
‑
ELAN模块和SPPCSPC模块之间，E
‑
ELAN模块输出的特征图作为SE
‑
Net模块的输入，SE
‑
Net模块输出的特征图作为SPPCSPC模块的输入，最终得到改进后的YOLOv7模型的特征提取网络；3)搭建改进的YOLOv7模型的特征融合网络，包括：采用FPN和PAN结构，对改进的YOLOv7模型的特征提取网络输出的特征进行融合，得到改进的YOLOv7模型的特征融合网络；首先对输入端生成的640*640尺寸的图片进行特征提取，得到160*160、80*80、40*40和
20*20的特征图；FPN网络将特征图的语义信息从高维度向低维度传递，进行多次上采样和通道拼接生成包含车辆目标语义信息的特征图，PAN网络将语义信息从低维度向高维度再传递一次，进行多次下采样和通道拼接生成包含车辆目标位置信息的特征图，最终将两个网络生成的特征图融合；4)搭建改进的YOLOv7模型的输出端，包括：YOLOv7的输出...

【专利技术属性】
技术研发人员：朱隽洋，姬红兵，张文博，李林，臧博，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：