设计应用

基于改进YOLOv5的车辆属性检测

作者：刘 俊，钟国韵，黄斯雯，刘麒麟
发布日期：2022-07-01
来源：2022年电子技术应用第7期

0 引言

    目前计算机视觉研究者们在逐渐探索车辆图像数据处理的落地应用，以助力智慧交通。车辆属性检测就是其中一个基础的计算机视觉任务，主要检测车辆的车灯、车牌、车辆logo等车辆属性区域位置，其结果可以被应用到很多下游的交通视觉任务。例如利用检测到的车灯属性来判定车辆是否变道打转向灯；车牌属性可以作为车牌OCR识别的输入，还可结合整体的车辆属性，来实现车辆重识别等[1]。

    由于早期显卡的显存和计算能力的限制，神经网络无法设计得很深，导致当时目标检测的研究还是偏向于传统的图像处理，主要可以分为区域选择、特征提取和分类三步。区域选择一般是通过在图像上进行逐块像素的遍历，来找到与目标匹配的区域；特征提取则是依据研究员的相关先验知识，如待检测目标的形状、纹理、明暗颜色等，从上一步获取的区域中提取特征，代表算法有尺度不变特征变换(SIFT)[2]和方向梯度直方图(HOG)[3]；最后是训练分类器将特征分类，主要利用将待分类数据的特征向量映射到高维空间，以实现将不同类别的数据分开，经典算法有支持向量机(SVM)[4]和AdaBoost[5]。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004580。




作者信息：

刘  俊，钟国韵，黄斯雯，刘麒麟

(东华理工大学 信息工程学院，江西 南昌330013)




wd.jpg

此内容为AET网站原创，未经授权禁止转载。
车辆属性 目标检测 YOLOV5

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map