一种基于改进YOLOv5与DeepSORT的交通事件检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于改进YOLOv5与DeepSORT的交通事件检测方法、装置及存储介质，所述方法包括：获取实际道路交通路况视频数据，并制作数据集；基于引入CAFM模块的改进YOLOv5模型对训练集和验证集进行目标检测模型训练；将得到的权重文件输入到改进的YOLOv5模型中，对测试集进行检测，提取车辆信息；将提取的车辆信息输入到嵌入了车辆类别融合模块的改进DeepSORT算法中，进行车辆跟踪；并引入增益值进行车辆逆行和违停判断。该方法能优化小尺寸目标检测效果，提升车辆分类和交通事件检测的准确率。

【技术实现步骤摘要】

本专利技术涉及交通流智能感知领域，具体涉及一种基于改进yolov5与deepsort的交通事件检测方法、装置及存储介质。

技术介绍

1、随着智能化水平的不断提升，交通流智能感知与管理成为现代交通的重中之重。在这一背景下，监控视频成为获取交通信息的重要来源，而利用目标检测和追踪算法实现对交通事件的自动化检测，则在提升交通管理水平、增强交通安全等方面具有重要的意义。

2、yolo系列算法作为单阶段目标检测算法，以其卓越的速度和准确性受到广泛关注。监控视频中经常涉及到远处尺寸较小的车辆图像，但小目标检测目前仍是目标检测中的难点技术。同时，deepsort算法在多目标跟踪问题中表现出比以往算法更快的速度和更高的准确度。但其存在输出车辆类型时未充分利用时序信息，鲁棒性较差的问题。这使得现有的交通流检测模型仍无法胜任高精度要求的交通事件检测工作。

技术实现思路

1、专利技术目的：为了克服上述现有技术的不足，本专利技术目的在于提出一种基于改进yolov5与deepsort的交通事件检测方法、系统、计算机、存储介本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5与DeepSORT的交通事件检测方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的一种基于改进YOLOv5与DeepSORT的交通事件检测方法，其特征在于，步骤(1)中，所述预处理方法为：

3.根据权利要求1所述的一种基于改进YOLOv5与DeepSORT的交通事件检测方法，其特征在于，步骤(2)的具体方法如下：

4.根据权利要求1所述的一种基于改进YOLOv5与DeepSORT的交通事件检测方法，其特征在于，步骤(4)的具体方法如下：

5.根据权利要求4所述的一种基于改进YOLOv5与DeepSO...

【技术特征摘要】

1.一种基于改进yolov5与deepsort的交通事件检测方法，其特征在于，该方法包括如下步骤：

2.根据权利要求1所述的一种基于改进yolov5与deepsort的交通事件检测方法，其特征在于，步骤(1)中，所述预处理方法为：

3.根据权利要求1所述的一种基于改进yolov5与deepsort的交通事件检测方法，其特征在于，步骤(2)的具体方法如下：

4.根据权利要求1所述的一种基于改进yolov5与deepsort的交通事件检测方法，其特征在于，步骤(4)的具体方法如下：

5.根据权利要求4所述的一种基于改进yolov5与deepsort的交通事件检测方法，其特征在于，所述累加权重ωaccumulated(c)计算方法如下：

6.根据权利要求1所述的一种基于改进yolov5与deepsort的交通事件检测方法，其特征在于，步骤(5)中，车辆...

【专利技术属性】
技术研发人员：王昊，熊逸鸣，董长印，李兆亮，陈妍陆，
申请(专利权)人：东南大学，
类型：发明
国别省市：