考虑车道识别的基于加拿大无人机视频的车辆速度检测

加拿大车辆数量的增加，由于交通系统不足和稀疏的速度摄像头，使得有效车辆速度检测成为必要。这一研究引入了基于 YOLO 的车辆速度检测方法，但往往缺乏准确性，无法识别车道，且提供的分类类别有限或不够实用。本研究引入经过 fine-tune 的 YOLOv11 模型，训练于近 800 张鸟瞰视角图像，以提升车辆速度检测的准确性。该系统为每辆车辆识别车道，并将车辆分为两类：汽车和重型车辆。该模型旨在满足交通监控和法规的具体要求，还评估了无人机高度、感兴趣区域 (ROI) 距离以及车辆速度对检测准确性和速度测量的影响。使用来自加拿大北部的无人机视频评估了所提出系统。fine-tune 的 YOLOv11 采用均值为 0.97 mph、均方误差 (MSE) 为 0.94 $\text{mph}^2$ 的最佳性能，显示其在车辆速度检测和分类方面具有针对性地克服挑战的效果。