【技术实现步骤摘要】
本专利技术涉及深度学习和目标检测，具体来说，本专利技术涉及一种面向交通监控的车辆检测方法研究。
技术介绍
1、随着无人驾驶技术和智能安全辅助系统进入高速发展阶段，对路径规划的最佳路线要求也越来越高，因此，构建智慧交通系统显得尤为重要。通过城市交通监控对行驶车辆进行精准检测，能够向道路使用者传递关键信息，以保证不同场景下交通秩序的高效与稳定。但车辆检测的准确性，对未来无人驾驶汽车的安全至关重要。因此，设计一种检测精度高、错检漏检率低的车辆检测方法十分有必要。
2、采用基于深度学习的车辆目标检测方法发展迅速，其主要分为二阶段和一阶段两大类。尽管二阶段方法在检测效果上表现出色，但由于检测需分成两个阶段进行，导致效率低下，不太适用于交通监控场景下的车辆检测任务。而目前最新的一阶段检测方法主要有ssd系列和yolo系列等。其中，yolov8作为yolo系列最新的模型，具有更高的检测精度和更小的参数量，因此在交通监控场景下的车辆检测任务中，本专利技术采用yolov8n网络进行改进和优化。
3、在交通监控的车辆检测方面，周飞等...
【技术保护点】
1.一种面向交通监控的车辆检测方法研究，其特征在于包
2.如权利要求1所述的面向交通监控的车辆检测方法研究，其特征在于：所述步骤S1具体包括如下步骤：
3.如权利要求1所述的面向交通监控的车辆检测方法研究，其特征在于，所述步骤S2中改进的YOLOv8模型通过如下方法进行构建：
4.如权利要求3所述的面向交通监控的车辆检测方法研究，其特征在于，所述步骤S21中构建高效深度可分离卷积的具体步骤如下：
5.如权利要求3所述的面向交通监控的车辆检测方法研究，其特征在于，所述步骤S23中构建特征提取模块E-Bottleneck的步
【技术特征摘要】
1.一种面向交通监控的车辆检测方法研究，其特征在于包
2.如权利要求1所述的面向交通监控的车辆检测方法研究，其特征在于：所述步骤s1具体包括如下步骤：
3.如权利要求1所述的面向交通监控的车辆检测方法研究，其特征在于，所述步骤s2中改进的yolov8模型通过如下方法进行构建：
4.如权利要求3所述的面向交通监控的车辆检测方法研究，其特征在于，所述步骤s21中构建高效深度可分离卷积的具体步骤如下：
5.如权利要求3所述的面向...
【专利技术属性】
技术研发人员：许德刚，王双臣，孙晓乐，尹柯栋，刘栋梁，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。