任丹梅 REN Dan-mei；王暉 WANG Hui

（南京理工大學(xué)紫金學(xué)院，南京 210023）

0 引言

面對日益擁堵的道路，如何有效緩解交通擁堵，提高交通系統(tǒng)的安全性和通行效率，成為當(dāng)下交通管理部門需要解決的重要問題。在交通管理中，車輛目標(biāo)檢測是一項(xiàng)重要的技術(shù)，它可以實(shí)時地檢測出交通場景中的車輛，從而為交通管理提供更加精準(zhǔn)和高效的數(shù)據(jù)支持，特別是高精度、快速的車輛目標(biāo)檢測尤為重要。設(shè)計(jì)實(shí)時性和魯棒性的車輛目標(biāo)檢測算法，對智慧交通、智能駕駛、行人檢測、數(shù)字化、網(wǎng)絡(luò)化建設(shè)有非常重要的價值。

1 車輛目標(biāo)檢測

目標(biāo)檢測算法在計(jì)算機(jī)視覺領(lǐng)域非常重要，主要是在圖像或視頻中對特定目標(biāo)進(jìn)行識別和定位。目標(biāo)檢測算法通?？煞譃槿悾簜鹘y(tǒng)的目標(biāo)檢測方法、基于區(qū)域的方法和基于回歸的方法。傳統(tǒng)的目標(biāo)檢測方法主要是以特征工程方法為基礎(chǔ)，這些方法存在著檢測速度慢、準(zhǔn)確率低等問題，且在復(fù)雜場景下的表現(xiàn)不佳的問題?；趨^(qū)域的方法一般需要生成候選區(qū)域，再對每個候選區(qū)域進(jìn)行分類和定位，常見基于區(qū)域的方法有滑動窗口法、選擇性搜索法及EdgeBoxes 法等?；诨貧w的方法則是直接利用深度學(xué)習(xí)算法對目標(biāo)的類別和位置信息進(jìn)行預(yù)測。典型的基于回歸的方法包括：YOLO、SSD（Single Shot Multibox Detector）、Faster R-CNN（Faster Region-based Convolutional Neural Network）等。

目前，基于深度學(xué)習(xí)的目標(biāo)檢測算法已經(jīng)成為主流，其具有較高的檢測準(zhǔn)確率和較快的檢測速度?；诰矸e神經(jīng)網(wǎng)絡(luò)的YOLO 算法可以實(shí)現(xiàn)實(shí)時的目標(biāo)檢測，它使用單個網(wǎng)絡(luò)分析整個圖像，并將目標(biāo)的類別和位置信息直接輸出，所以速度比較快。該算法的核心思想是將圖像分成若干個網(wǎng)格，每個網(wǎng)格預(yù)測一個BoundingBox 和對應(yīng)的類別概率，然后通過非極大值抑制（NMS）算法[1]篩選出最終的目標(biāo)框。

相比于其它目標(biāo)檢測算法，YOLO 算法的運(yùn)行速度快、精度高、可擴(kuò)展性強(qiáng)，能夠達(dá)到實(shí)時處理的程度，可以對多個目標(biāo)進(jìn)行檢測，并且在不同尺度的圖像上都能取得較好的檢測結(jié)果。因此，本文利用深度學(xué)習(xí)方法，基于YOLO 算法，對車輛目標(biāo)檢測技術(shù)進(jìn)行研究。

2 改進(jìn)YOLOv5 的車輛目標(biāo)檢測

2.1 YOLOv5 算法

YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)分為四部分，分別為輸入端、Backbone、Neck 和輸出端，如圖1 所示。輸入端主要對圖像進(jìn)行預(yù)處理操作，包括數(shù)據(jù)增強(qiáng)、圖像縮放、錨框。Backbone 為主干網(wǎng)絡(luò)，主要作用是對圖像中的目標(biāo)特征進(jìn)行提取，由Focus、CBS、CSP、SPP 組成。其中，F(xiàn)ocus 結(jié)構(gòu)是實(shí)現(xiàn)圖像的切片操作。CSP（Cross Stage Partial Network）[2]主要用作局部的跨通道融合，解決網(wǎng)絡(luò)優(yōu)化中梯度信息重復(fù)的問題。Neck 主要將高層信息與底層信息進(jìn)行融合，并將得到的預(yù)測圖像輸出，具有對不同尺度的物體進(jìn)行檢測的功能。輸出端能夠生成3 種不同尺度的圖像，用來進(jìn)行預(yù)測目標(biāo)類別和置信度。

圖1 YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)

YOLOv5 版本的優(yōu)勢是在輸入端用自適應(yīng)錨框，且在主干網(wǎng)絡(luò)中應(yīng)用Focus 結(jié)構(gòu)，總體而言，YOLOv5 版本在檢測精度和速度上比之前版本有很大提升。

2.2 改進(jìn)YOLOv5 算法

2.2.1 引入注意力機(jī)制

CBAM（Convolutional Block Attention Module）[3]是一種注意力機(jī)制，在網(wǎng)絡(luò)模型中，引入CBAM 注意力機(jī)制，能夠加強(qiáng)對檢測目標(biāo)的注意，弱化復(fù)雜環(huán)境的干擾，達(dá)到提高目標(biāo)檢測精度的目的。

CBAM 包括兩個獨(dú)立的注意力模塊，通道注意力模塊（CAM）和空間注意力模塊（SAM）。CAM 模塊是通過全局平均池化操作得到每個通道的全局平均值，然后將這些平均值通過兩個全連接層進(jìn)行處理，得出每個通道的重要權(quán)重，最后將這些權(quán)重乘以原特征圖后再進(jìn)行加權(quán)，增強(qiáng)特征的區(qū)分性。

SAM 模塊是對于給定的輸入特征圖，通過先進(jìn)行通道維度的卷積操作，再進(jìn)行空間維度的卷積操作，得到每個像素點(diǎn)的權(quán)重，表示該像素點(diǎn)在特征圖中的重要性，然后將這些權(quán)重乘以原始特征圖，得到加權(quán)后的特征圖，增強(qiáng)特征的區(qū)分性。

CAM 模塊通過計(jì)算通道注意力分?jǐn)?shù)來自適應(yīng)地重新加權(quán)特征映射，而SAM 模塊則通過計(jì)算空間注意力分?jǐn)?shù)來聚焦于特征映射的重要區(qū)域。引入CBAM 模塊后，特征能夠覆蓋到待識別物體的更多部位，選擇性地關(guān)注信息特征，提高識別效率，CBAM 注意力機(jī)制的結(jié)構(gòu)如圖2 所示。

2.2.2 損失函數(shù)的改進(jìn)

損失函數(shù)可以計(jì)算模型對結(jié)果的預(yù)測準(zhǔn)確程度，用來判斷模型與實(shí)際數(shù)據(jù)之間的差距，選擇適合的損失函數(shù)，能夠使得訓(xùn)練模型以更快的速度收斂。

YOLOv5 的損失函數(shù)由邊框回歸損失、置信度損失、分類概率損失三部分組成。其中，在邊框回歸損失中，采用完全交并比損失函數(shù)[4]實(shí)現(xiàn)預(yù)測，其公式如下：

其中，b 表示預(yù)測框的中心點(diǎn)，bgt表示真實(shí)框的中心點(diǎn)，ρ 表示兩個中心點(diǎn)間的歐式距離，c 表示包含預(yù)測框和真實(shí)框的最小閉包區(qū)域的對角線距離，w、wgt分別代表預(yù)測框和真實(shí)框的寬度，h、hgt分別代表預(yù)測框和真實(shí)框的寬度，IOU 是預(yù)測框和真實(shí)框之間的交集和并集之比。

CIoU loss 對邊界框回歸中的重疊面積、橫縱比以及中心點(diǎn)的距離分別進(jìn)行考慮，卻忽略了寬高與置信度的真實(shí)差異，不利于模型的優(yōu)化，Zhang 等人[5]在CIoU Loss 的基礎(chǔ)上將縱橫比拆開，提出了有效交并比損失函數(shù)（efficient intersection over union loss，EIoU Loss），并且加入Focal 來聚焦優(yōu)質(zhì)的錨框。由于BBox 的回歸中存在訓(xùn)練樣本不均衡問題，F(xiàn)ocal-EIoU Loss 能夠把高質(zhì)量的錨框和低質(zhì)量錨框分開，其公式如下：

其中，γ 表示控制異常值的抑制程度，Cw和Ch分別表示覆蓋兩個Box 的最小外接框的寬度和高度，由上述公式可知：IoU 越高的損失越大，相當(dāng)于加權(quán)作用，給越好的回歸目標(biāo)一個越大的損失，有助于提高回歸精度。

2.2.3 引入SAConv 模塊

SAConv 是一種用于圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Networks）的卷積操作。它結(jié)合了自注意力機(jī)制和稀疏的卷積核來提高模型的性能和效率。SAConv 引入了注意力矩陣來計(jì)算節(jié)點(diǎn)之間的相似度，然后根據(jù)這個相似度加權(quán)地聚合節(jié)點(diǎn)特征。

與傳統(tǒng)的卷積核不同，SAConv 使用稀疏的卷積核，只考慮鄰居節(jié)點(diǎn)之間的連接關(guān)系，從而減少了計(jì)算量。SAConv 所需計(jì)算的參數(shù)數(shù)量較少，可以更好地適應(yīng)大規(guī)模圖數(shù)據(jù)集。首先將相關(guān)代碼添加到y(tǒng)olov5-master/models路徑下的common.py 文件中，最后在網(wǎng)絡(luò)結(jié)構(gòu)中在Backbone 里將后三個C3 模塊替換成SAConv。

3 實(shí)驗(yàn)及結(jié)果分析

車輛目標(biāo)檢測實(shí)驗(yàn)流程如圖3 所示，首先采集汽車圖像，并對圖像進(jìn)行打標(biāo)簽、數(shù)據(jù)劃分等預(yù)處理，將處理后的圖像作為數(shù)據(jù)集，然后對數(shù)據(jù)集進(jìn)行訓(xùn)練得到初步訓(xùn)練模型，由于初步訓(xùn)練模型精度不夠高，所以對初步訓(xùn)練模型采取優(yōu)化措施得到理想訓(xùn)練模型，最后，進(jìn)行測試并對結(jié)果進(jìn)行分析。

圖3 車輛目標(biāo)檢測流程

3.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)集準(zhǔn)備

本實(shí)驗(yàn)選擇部署在上海恒源云網(wǎng)絡(luò)科技有限公司所提供的云服務(wù)器上，并在JupyterLab 環(huán)境下運(yùn)行程序，環(huán)境配置如表1 所示。

表1 環(huán)境配置

本文研究所用的數(shù)據(jù)集由本人在百度圖片搜集，數(shù)據(jù)集中共有1000 張圖片，訓(xùn)練集和驗(yàn)證集一共1745 張圖片，其中622 張作為驗(yàn)證集，1123 張作為訓(xùn)練集。數(shù)據(jù)集的標(biāo)簽通過https://www.makesense.ai/網(wǎng)站進(jìn)行標(biāo)注。另外，從網(wǎng)絡(luò)上搜集停車場及交通道路的視頻作為測試集，同時也在實(shí)際交通環(huán)境中進(jìn)行測試。

3.2 性能指標(biāo)

本文實(shí)驗(yàn)結(jié)果從精確度（precision）、召回率（recall）、平均準(zhǔn)確率均值（mAP）、平均準(zhǔn)確率（AP）來對改進(jìn)模型的性能進(jìn)行評估，其中精確度和召回率的計(jì)算公式如下：

其中，TP（True Positives）為正樣本數(shù)據(jù)被正確識別出來的目標(biāo)數(shù)量，即被正確識別的車輛目標(biāo)；FN（False Negatives）為正樣本數(shù)據(jù)沒有被正確識別的目標(biāo)數(shù)量，即漏檢的車輛目標(biāo)；FP（False Positives）為將非正樣本數(shù)據(jù)識別為正樣本目標(biāo)數(shù)量，即誤檢的車輛目標(biāo)。

平均準(zhǔn)確率AP（Average Precision）與平均準(zhǔn)確率均值mAP（mean Average Precision）可以用來衡量網(wǎng)絡(luò)模型的優(yōu)劣，其需要根據(jù)模型的精確度和召回率計(jì)算得出，計(jì)算公式如下：

3.3 實(shí)驗(yàn)及結(jié)果分析

為了驗(yàn)證改進(jìn)模型對網(wǎng)絡(luò)整體性能的影響，本文采用遞進(jìn)的方式逐個增加改進(jìn)模塊。改進(jìn)模型對網(wǎng)絡(luò)性能的影響如表2 所示，首先，在YOLOv5 網(wǎng)絡(luò)的基礎(chǔ)上，通過增加CBAM 注意力機(jī)制來修改網(wǎng)絡(luò)結(jié)構(gòu)得到Ⅰ-YOLOv5 模型，相比于YOLOv5 網(wǎng)絡(luò)其mAP 值提升0.8%；其次，在Ⅰ-YOLOv5 網(wǎng)絡(luò)基礎(chǔ)上優(yōu)化loss 函數(shù)并添加解耦頭得到Ⅱ-YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)，相比于Ⅰ-YOLOv5 網(wǎng)絡(luò)其mAP 值提升0.4%；最后，在Ⅱ-YOLOv5 網(wǎng)絡(luò)基礎(chǔ)上添加SAConv 模塊得到Ⅲ-YOLOv5 網(wǎng)絡(luò)模型，相比于Ⅱ-YOLOv5 網(wǎng)絡(luò)其mAP 值提升0.6%。相比于改進(jìn)前的網(wǎng)絡(luò)改進(jìn)后網(wǎng)絡(luò)mAP值提升了1.8%。

表2 改進(jìn)模塊對網(wǎng)絡(luò)性能的影響

由表2 及分析結(jié)果可知，隨著對YOLOv5 網(wǎng)絡(luò)的改進(jìn)優(yōu)化，mAP.5 和mAP.5:95 的值逐步增加，即檢測的平均準(zhǔn)確率均值得到提升。

為了更加直觀地對比改進(jìn)后網(wǎng)絡(luò)的性能，對改進(jìn)前后網(wǎng)絡(luò)訓(xùn)練結(jié)果中的重要性能指標(biāo)進(jìn)行對比，如表3 和表4所示。

表3 改進(jìn)前后網(wǎng)絡(luò)性能對比

表4 目標(biāo)的平均準(zhǔn)確率（AP）對比

由表3 數(shù)據(jù)可知，改進(jìn)后網(wǎng)絡(luò)精確度提高了2.2%，召回率提高了2.1%，平均準(zhǔn)確率均值達(dá)到69.3%，模型收斂速度提升了20%。

表4 為檢測的三種類型車輛，分別為car、bus、truck，根據(jù)其結(jié)果可知，改進(jìn)后三種類型車輛準(zhǔn)確率（AP 值）均有提升，其中bus 類型檢測中AP 值提升了2.8%。

為了驗(yàn)證車輛目標(biāo)檢測的準(zhǔn)確性和實(shí)時性，因此對實(shí)際環(huán)境中的車輛進(jìn)行檢測，改進(jìn)網(wǎng)絡(luò)后實(shí)際環(huán)境的檢測效果如圖4 所示，由圖可知，對車輛目標(biāo)檢測的準(zhǔn)確性和實(shí)時性能夠滿足實(shí)際場景中的應(yīng)用，特別對于距離較近的車輛，檢測結(jié)果準(zhǔn)確率較高。對于較遠(yuǎn)距離的車輛，仍有較大的改進(jìn)空間。

4 結(jié)論

為了對實(shí)際道路中車輛進(jìn)行實(shí)時且準(zhǔn)確的檢測，本文提出了將YOLOv5 算法改進(jìn)并在實(shí)際道路中進(jìn)行檢測，與原網(wǎng)絡(luò)YOLOv5 相比，改進(jìn)網(wǎng)絡(luò)Ⅲ-YOLOv5 的整體檢測性能得到了提升，訓(xùn)練速度提升20%，模型精確度提升了2.2%。