张陈晨,靳 鸿
(中北大学 仪器科学与动态测试教育部重点实验室, 太原 030051)
YOLO(you only look once)作为一种新的目标检测算法[1],可以在保证高检测精度的前提下提高检测速度,该算法采用了端到端的检测方式,不仅可以精确判别边缘还可以辨别标签,运用这种方式的检测速度可以达到45帧/s的实时检测,最新YOLO系列算法甚至可以达到155帧/s[2]。
对于YOLOv3-Tiny算法[3]众人对其评价褒贬不一。在强大的YOLOv3算法性能影响下,YOLOv3-Tiny算法的轻量化版本虽然成本低,但并没有展现出高效能,甚至还出现了检测精度降低的情况,在很多场景并不能达到预期效果。目标检测技术应用的3个主要领域是:安全系统、安保系统、金融系统[4]。目前,车辆识别主要采用模式识别和图像分析技术[5]。本文采用改进后的YOLOv3-Tiny目标检测算法实现对车辆的检测,增加了YOLOv3-Tiny算法的实用性,在保证低成本的前提下,提高了Tiny算法对于车辆检测效果的精度。同时,出于安全考虑,以普通车辆代替特种战车,进行改进型算法的有效性验证。
随着科技的发展,目标检测以及生物识别技术进入大众的视野,YOLO系列算法作为当前目标检测最为流行的深度学习算法,得到广泛研究和应用[6]。本次车辆检测系统为实现低成本高效率而采用YOLOv3-Tiny目标检测算法。系统结构见图1。

图1 车辆识别系统结构框图Fig.1 Structural framework of vehicle identification system
此次实验的图片数据集借助照相机以每秒20帧的速度进行实地拍摄,实验对象为识别检测4种车辆。……