面向实时车辆检测、车牌识别与速度估计的智能交通监控
计算机视觉与模式识别
2026-01-05 v1
摘要
超速是导致道路死亡的主要因素，尤其是在如乌干达等发展中国家，由于交通安全基础设施有限。本研究提出了针对此类地区的实时智能交通监控系统，利用计算机视觉技术解决车辆检测、车牌识别和速度估计问题。该研究使用速度枪、Canon 摄像机和移动电话收集了丰富的数据集来训练模型。使用 YOLOv8 实现车牌检测，平均精度 (mAP) 达到 97.9%。对于检测到的车牌字符识别，CNN 模型的字符错误率 (CER) 为 3.85%，而 transformer 模型将 CER 大幅降低至 1.79%。速度估计使用源和目标区域感兴趣区域，实现了约 10 km/h 的误差范围。此外，建立了一个数据库，将用户信息与车辆检测数据相关联，通过 Africa's Talking API 实现自动化车牌扣款 via SMS。该系统满足资源受限环境中的关键交通管理需求，并显示出通过在此类需要紧急干预的发展中国家实施自动化交通执法来减少道路事故的潜力。
引用
@article{arxiv.2601.00344,
title = {Intelligent Traffic Surveillance for Real-Time Vehicle Detection, License Plate Recognition, and Speed Estimation},
author = {Bruce Mugizi and Sudi Murindanyi and Olivia Nakacwa and Andrew Katumba},
journal= {arXiv preprint arXiv:2601.00344},
year = {2026}
}