基于改进YOLOV8的交通场景目标检测方法技术

本发明专利技术公开了基于改进YOLOV8的交通场景目标检测方法，应用于数据处理技术领域，通过定点监控设备对预定交通场景进行图像采集，获取交通场景图像数据集。获取基于YOLOV8构建的基础检测网络。基于所述交通场景图像数据集对所述基础检测网络进行优化，得到目标检测模型。以所述目标检测模型进行交通场景图像的目标检测。实现了对交通场景目标的高效检测，并提高了目标分析结果获取的准确性的技术效果。解决了现有技术中交通场景图像由于不确定因素的影响，导致目标检测存在分析效率较低且目标分析结果获取的准确性较低的技术问题。

【技术实现步骤摘要】

本专利技术涉及数据处理领域，尤其涉及基于改进yolov8的交通场景目标检测方法。

技术介绍

1、随着机动车保有量的增加与城市发展速度、资源的局限性与停车设施规模建设和停车资源时空上利用不均衡等矛盾，导致了道路阻塞和停车乱停车难等问题日益突出。在交通场景中，深度学习技术的应用积极的推动了智慧交通的进程。通过精确定位交通或道路中不同对象，并智能化分析各个对象信息，进而辅助管控部门精确掌握交通或道路的状况。然而，在现有技术中由于天气、光照、角度、遮挡和背景等不确定因素，并且场景图像中存在较多的背景噪声，影响交通场景图像的分析效率，且不确定因素造成场景图像中对象的差异较大，定点设备由近及远采集的同一张交通场景图像中相同类别的对象呈现尺度变化大的特点，导致最终的目标分析结果准确性较低。

2、因此，在现有技术中交通场景图像由于不确定因素的影响，导致目标检测存在分析效率较低且目标分析结果获取的准确性较低的技术问题。

技术实现思路

1、本申请通过提供基于改进yolov8的交通场景目标检测方法，解决了在现有技术中交本文档来自技高网...

【技术保护点】

1.基于改进YOLOV8的交通场景目标检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述通过定点监控设备对预定交通场景进行图像采集，获取交通场景图像数据集，包括：

3.如权利要求1所述的方法，其特征在于，所述基于所述交通场景图像数据集对所述基础检测网络进行优化，得到目标检测模型，包括：

4.如权利要求3所述的方法，其特征在于，所述建立DBB模块对所述基础检测网络进行网络重构，获得第一重构检测网络，包括：

5.如权利要求3所述的方法，其特征在于，所述引入注意力机制对所述第一重构检测网络进行网络颈部重构，获得第二重构检测...

【技术特征摘要】

1.基于改进yolov8的交通场景目标检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述通过定点监控设备对预定交通场景进行图像采集，获取交通场景图像数据集，包括：

3.如权利要求1所述的方法，其特征在于，所述基于所述交通场景图像数据集对所述基础检测网络进行优化，得到目标检测模型，包括：

4.如权利要求3所述的方法，其特征在于，所述建立dbb模块对所述基础检测网络进行网络重构，获得第一重构检测网络，包括：

5.如权利要求3所述的方法，其特征在于，所述引入注意力机制对所述第一重构检测网络进行网络颈部重构，获得第二重构检测网络，包括：

6.如权利要求3所述...

【专利技术属性】
技术研发人员：闫军，王莹莹，
申请(专利权)人：智慧互通科技股份有限公司，
类型：发明
国别省市：