基于优化的 YOLOv5 使用鱼眼相机在道路交叉口进行实时车辆检测的方法
计算机视觉与模式识别
2025-02-10 v1
摘要
实时车辆检测是城市交通监控的一项具有挑战性的任务。城市化的加剧导致交叉口区域事故和交通拥堵增加，进而导致出行时间延误。为了解决这些问题，利用自动检测和跟踪系统的智能系统具有重要意义。但在需要大范围视野的道路交叉口区域，这成为了一项具有挑战性的任务。出于这个原因，鱼眼相机被广泛用于实时车辆检测，以在交叉口提供大面积覆盖和 360 度视野。然而，它带来了诸如车辆和路灯的强光眩光、阴影、非线性畸变、车辆缩放问题以及小型车辆正确定位等挑战。为了克服这些挑战，提出了一种改进的 YOLOv5 目标检测方案。YOLOv5 是一种面向深度学习的卷积神经网络（CNN）目标检测方法。所提出的用于检测鱼眼图像中车辆的方案包含一个轻量级的昼夜 CNN 分类器，从而可以实现两种不同的解决方案以解决昼夜检测问题。此外，数据集中的困难实例被上采样以实现车辆的精确定位，随后检测模型被集成并在不同车辆数据集组合中进行训练，以获得更好的泛化能力、检测能力和准确率。在测试中，使用了由 Video and Image Processing (VIP) Cup 组织者 ISSD 提供的真实世界鱼眼数据集，该数据集包含不同城市交叉口处不同鱼眼相机在白天和夜间拍摄的录像片段中的图像。实验结果表明，我们提出的模型在该数据集上的表现比 YOLOv5 模型高出 13.7% 的 mAP @ 0.5。
引用
@article{arxiv.2502.04566,
title = {An Optimized YOLOv5 Based Approach For Real-time Vehicle Detection At Road Intersections Using Fisheye Cameras},
author = {Md. Jahin Alam and Muhammad Zubair Hasan and Md Maisoon Rahman and Md Awsafur Rahman and Najibul Haque Sarker and Shariar Azad and Tasnim Nishat Islam and Bishmoy Paul and Tanvir Anjum and Barproda Halder and Shaikh Anowarul Fattah},
journal= {arXiv preprint arXiv:2502.04566},
year = {2025}
}