基于卷积神经网络的抬起卡车车轴相机检测方法
计算机视觉与模式识别
2025-06-16 v1
摘要
车辆的识别与分类在控制-制裁系统的各个方面都起着关键作用。当前技术如动态称重（WIM）系统可以分类大多数车辆类别，但它们难以准确分类抬起车轴的车辆。此外，几乎没有商业和技术方法用于检测抬起的车轴。在本文中，作为欧洲项目 SETO（Smart Enforcement of Transport Operations）的一部分，提出了一种基于卷积神经网络（CNN）的方法，即 YOLOv8s，用于检测由垂直于交通方向放置的相机拍摄的卡车图像中的抬起车轴。所提出方法的性能得到了评估，结果显示其精确率为 87%，召回率为 91.7%，推理时间为 1.4 毫秒，使其非常适合实时部署。这些结果表明，通过增加数据集规模和/或使用各种图像增强方法，可以进一步提高性能。
引用
@article{arxiv.2506.11574,
title = {Camera-based method for the detection of lifted truck axles using convolutional neural networks},
author = {Bachir Tchana Tankeu and Mohamed Bouteldja and Nicolas Grignard and Bernard Jacob},
journal= {arXiv preprint arXiv:2506.11574},
year = {2025}
}