期刊文献+
共找到14篇文章
< 1 >
每页显示 20 50 100
基于改进YOLOv5s的轻量化交通灯检测算法
1
作者 蔡管鸿 李国平 +1 位作者 王国中 滕国伟 《上海大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第1期94-105,共12页
针对目前交通灯检测算法网络模型参数量过大、实时性差的问题,提出了一种基于改进YOLOv5s的轻量化交通灯检测算法.首先,用轻量化网络MobileNetv3替换原主干网络并引入注意力机制,在对检测精度影响不大的前提下降低模型参数量;然后,使用... 针对目前交通灯检测算法网络模型参数量过大、实时性差的问题,提出了一种基于改进YOLOv5s的轻量化交通灯检测算法.首先,用轻量化网络MobileNetv3替换原主干网络并引入注意力机制,在对检测精度影响不大的前提下降低模型参数量;然后,使用深度可分离卷积替换颈部网络中的传统标准卷积,进一步降低模型参数量;接着,针对交通灯尺度小的特点,删除检测大目标的检测层;最后,改进边框回归损失函数,提升边框检测精度.同时,为了能实时部署在嵌入式平台,该算法对网络进行通道剪枝实现模型压缩和加速.实验结果表明,该算法在嵌入式平台NVIDIA Jetson Xavier NX上能达到48.1帧/s的检测速度,相比原始YOLOv5s牺牲了1.5%的mAP,但是该模型体积压缩了54.3%,检测速度提高为原来的2.6倍,可以满足在交通道路中实时对交通灯检测的需要. 展开更多
关键词 交通灯检测 轻量化模型 YOLOv5s MobileNetv3 通道剪枝
下载PDF
基于图像处理的交通灯检测技术 被引量:5
2
作者 吴国庆 王星星 +1 位作者 张旭东 翟春树 《现代电子技术》 北大核心 2017年第8期103-106,共4页
针对城市交通安全和路口通行效率等问题,研究一种交通信号灯检测的技术。采用亮度分析、图像分割和形态学滤波对采集的图像进行预处理,排除背景干扰;利用RGB颜色空间下的颜色各通道差值分布检测交通灯颜色;最后基于对图像[0°,180&#... 针对城市交通安全和路口通行效率等问题,研究一种交通信号灯检测的技术。采用亮度分析、图像分割和形态学滤波对采集的图像进行预处理,排除背景干扰;利用RGB颜色空间下的颜色各通道差值分布检测交通灯颜色;最后基于对图像[0°,180°]的Radon变换找出峰值对应的角度,对图像在该角度上分别进行变换,利用形状特征对交通灯进行形状检测。采集自然环境下图像进行试验。结果表明,该算法的正确识别率达到90%以上,是一种较好的交通信号灯检测方法。 展开更多
关键词 图像处理 交通灯检测 RGB RADON变换
下载PDF
基于RGB归一化模型与分群算法的交通灯检测
3
作者 吕亚运 郎朗 +1 位作者 杨会成 陈孟元 《安徽工程大学学报》 CAS 2015年第2期69-74,共6页
交通灯检测是智能交通系统研究的一个重要方向,采用了一种交通灯实时检测算法.首先,对图像进行RGB归一化处理,得到了几种颜色独立的图像.然后提取图像的二值化信息,并作形态学处理.接着对图像进行分群操作和标记处理,并且根据交通灯形... 交通灯检测是智能交通系统研究的一个重要方向,采用了一种交通灯实时检测算法.首先,对图像进行RGB归一化处理,得到了几种颜色独立的图像.然后提取图像的二值化信息,并作形态学处理.接着对图像进行分群操作和标记处理,并且根据交通灯形状区域特点做出边长与面积条件判断.最后通过提取交通灯的样本空间来进行匹配,从而锁定交通灯位置.实验部分将其与传统的Hough算法进行比较,结果表明所提算法可以更快且准确地检测到交通灯. 展开更多
关键词 交通灯检测 智能交通系统 形态学处理
下载PDF
多尺度YOLOv5的交通灯检测算法 被引量:4
4
作者 钱伍 王国中 李国平 《软件导刊》 2022年第9期19-25,共7页
交通灯检测作为自动驾驶任务中的关键技术,直接关系到智能汽车的行驶安全。针对交通灯尺度小、环境复杂造成的检测困难问题,提出一种多尺度YOLOv5的交通灯检测方法。首先使用复合数据增强方法对模型输入进行增强处理,增加输入的复杂性;... 交通灯检测作为自动驾驶任务中的关键技术,直接关系到智能汽车的行驶安全。针对交通灯尺度小、环境复杂造成的检测困难问题,提出一种多尺度YOLOv5的交通灯检测方法。首先使用复合数据增强方法对模型输入进行增强处理,增加输入的复杂性;然后设计多尺度代替固定尺度训练,均衡模型的学习能力;最后构建多尺度特征融合网络,将4倍、8倍、16倍和32倍下采样信息融合,建立多尺度检测层。为增强特征融合能力,引入远跳链接传递不同级别信息,直接提升了模型对小目标的检测能力。实验结果证明,在采集的数据集上,改进YOLOv5的检测速度最快可达到9.5ms,mAP达到99.8%,相比YOLOv5提高了17%,在Bosch数据集上,mAP增加了6.5%,实现了对交通灯的实时与高精度检测。 展开更多
关键词 目标检测 YOLOv5 交通灯检测 多尺度特征 实时检测
下载PDF
基于ST-YOLOv5算法的道路交通信号灯检测 被引量:1
5
作者 雷亮 秦兰瑶 +4 位作者 张文萍 和圆圆 梁明辉 尹衍伟 陈毅 《重庆科技学院学报(自然科学版)》 CAS 2023年第3期94-103,共10页
针对YOLOv5算法在检测交通信号灯过程中存在的误检、漏检及模型特征提取能力不足等问题,提出改进的交通信号灯检测算法ST-YOLOv5。首先,去除主干网络末端的卷积层,并在末端加入基于窗口和移动窗口的多头注意力机制;其次,设计由高分辨率... 针对YOLOv5算法在检测交通信号灯过程中存在的误检、漏检及模型特征提取能力不足等问题,提出改进的交通信号灯检测算法ST-YOLOv5。首先,去除主干网络末端的卷积层,并在末端加入基于窗口和移动窗口的多头注意力机制;其次,设计由高分辨率、低水平特征图组成的检测层;最后,通过增加浅层高分辨率特征与深层强语义特征之间的跨层级连接来缓解由于通道数减少而造成的小目标信息丢失问题,并在多层特征聚合后加入有关通道和位置的注意力机制。实验结果表明,在BDD100K数据集中,此改进算法对交通信号灯的检测精度达到70.10%,有效减少了误检、漏检等问题。 展开更多
关键词 计算机视觉 ST-YOLOv5 交通灯检测 注意力机制 BDD100K数据集
下载PDF
基于计算机视觉的交通灯识别系统设计
6
作者 陈富强 《装备制造技术》 2024年第2期108-111,共4页
在自动驾驶技术和智能交通系统领域,准确识别交通信号灯对于交通安全至关重要。为了实现对不同颜色交通灯的快速准确检测,设计了一种基于计算机视觉的交通灯颜色检测方法。该方法构建由接口层、处理层、决策层和输出层组成的层次结构,利... 在自动驾驶技术和智能交通系统领域,准确识别交通信号灯对于交通安全至关重要。为了实现对不同颜色交通灯的快速准确检测,设计了一种基于计算机视觉的交通灯颜色检测方法。该方法构建由接口层、处理层、决策层和输出层组成的层次结构,利用Open CV进行图像预处理,包括图像尺寸调整、噪声滤除和色彩空间转换,为后续处理提供更清晰的视觉基础。随后通过霍夫圆变换算法检测交通灯的位置,该算法能够在复杂背景中准确地识别出圆形结构,有效定位交通灯。最终采用颜色阈值分析法来确定交通灯的颜色状态,通过设定不同颜色(红色、黄色、绿色)的阈值范围,系统能够区分和识别交通灯当前显示的颜色。实验结果表明,该方法能有效识别红色、黄色、绿色信号灯以及指示箭头,具有高准确率和快速响应的特点,证明了其在实际应用中的可行性和有效性,展示了Open CV计算机视觉技术在交通灯识别检测领域的应用价值,也为自动驾驶系统中视觉识别技术的发展提供了重要的参考。 展开更多
关键词 交通灯检测 OPENCV 计算机视觉 霍夫圆变换 颜色阈值分析
下载PDF
结合注意力机制的YOLOv5红绿灯检测算法 被引量:4
7
作者 邓天民 王春霞 +1 位作者 刘金凤 刘旭慧 《重庆理工大学学报(自然科学)》 CAS 北大核心 2023年第4期166-173,共8页
针对现有交通灯算法对小目标、遮挡目标检测识别效果不佳等问题,提出一种基于注意力与多尺度特征融合的YOLOv5检测算法(YOLOv5 detection algorithm based on attention and multi-scale feature fusion,AM-YOLOv5)。通过在残差结构中... 针对现有交通灯算法对小目标、遮挡目标检测识别效果不佳等问题,提出一种基于注意力与多尺度特征融合的YOLOv5检测算法(YOLOv5 detection algorithm based on attention and multi-scale feature fusion,AM-YOLOv5)。通过在残差结构中引入坐标注意力模块,提高对小目标的特征提取能力;设计四尺度检测层,通过引入更浅层特征改善对小尺度目标的检测性能,提高检测精度;针对引入注意力和检测层导致计算量增大、速度降低的问题,采用分布移位卷积替换部分主干卷积的方法,简化模型,提升速度。实验结果表明:该算法在Lara数据集上平均精度均值达到90.8%,相较于经典YOLOv5算法,精度提升2.7%,速度达到59.9 FPS,在复杂恶劣环境下的BDD100K数据集上,精度提升3.6%,速度达到34.8 FPS,具有良好的检测效果,能较好地满足交通灯的实时检测。 展开更多
关键词 交通灯检测 注意力机制 多尺度检测 深度学习
下载PDF
基于显著性特征的交通信号灯检测和识别 被引量:7
8
作者 许明文 张重阳 《计算机与数字工程》 2017年第7期1397-1401,共5页
提出一种基于显著性特征的交通信号灯检测方法,并通过SVM分类器进行识别。首先,对低分辨率图像生成颜色、亮度和边缘特征图并融合成显著图。其次,获取交通信号灯候选区域,利用交通信号灯的几何特征和颜色特征过滤噪点。然后,提取交通信... 提出一种基于显著性特征的交通信号灯检测方法,并通过SVM分类器进行识别。首先,对低分辨率图像生成颜色、亮度和边缘特征图并融合成显著图。其次,获取交通信号灯候选区域,利用交通信号灯的几何特征和颜色特征过滤噪点。然后,提取交通信号灯目标,得到只包含单个箭头灯、圆灯和数字灯的区域。最后,提取检测区域的HOG特征,通过SVM分类器进行识别。实验结果表明,该算法检测率和识别率均超过97%。 展开更多
关键词 显著图 交通灯检测 交通识别 交通数字 图像检测
下载PDF
基于优化YOLOv3算法的交通灯检测 被引量:31
9
作者 孙迎春 潘树国 +2 位作者 赵涛 高旺 魏建胜 《光学学报》 EI CAS CSCD 北大核心 2020年第12期137-145,共9页
为解决YOLOv3算法在检测道路交通灯时存在的漏检率高、召回率低等问题,提出一种基于优化YOLOv3算法的交通灯检测方法。首先,采用K-means算法对数据进行聚类分析,结合聚类结果和交通灯标签的统计结果,确定先验框的宽高比及其数量。然后,... 为解决YOLOv3算法在检测道路交通灯时存在的漏检率高、召回率低等问题,提出一种基于优化YOLOv3算法的交通灯检测方法。首先,采用K-means算法对数据进行聚类分析,结合聚类结果和交通灯标签的统计结果,确定先验框的宽高比及其数量。然后,根据交通灯尺寸特点,精简网络结构,分别将8倍降采样信息、16倍降采样信息与高层语义信息进行融合,在两个尺度上建立目标特征检测层。同时,为了避免交通灯特征随着网络的加深而消失的问题,分别减少两个目标检测层前的两组卷积层,简化特征提取步骤。最后,在损失函数中,利用高斯分布特性评估边界框的准确性,以提升对交通灯检测的精度。实验结果显示,优化YOLOv3算法的检测速度可达30 frame/s,平均精准度较原网络提升9个百分点,可以有效完成对交通灯的检测。 展开更多
关键词 机器视觉 YOLOv3 交通灯检测 BDD100K数据集 K-MEANS算法 高斯分布
原文传递
改进YOLOv5的交通灯实时检测鲁棒算法 被引量:28
10
作者 钱伍 王国中 李国平 《计算机科学与探索》 CSCD 北大核心 2022年第1期231-241,共11页
交通灯检测算法作为自动驾驶任务中的一个重要环节,直接关系到智能汽车的行车安全。因为交通灯尺度小且环境复杂,给算法研究带来了困难。针对交通检测存在的痛点,提出改进YOLOv5的交通灯检测算法。首先使用可见标签比确定模型输入;然后... 交通灯检测算法作为自动驾驶任务中的一个重要环节,直接关系到智能汽车的行车安全。因为交通灯尺度小且环境复杂,给算法研究带来了困难。针对交通检测存在的痛点,提出改进YOLOv5的交通灯检测算法。首先使用可见标签比确定模型输入;然后引入ACBlock结构增加主干网络的特征提取能力,设计SoftPool减少主干网络的采样信息损失,使用DSConv卷积核减少模型参数;最后设计了记忆性特征融合网络,高效利用了高级语义信息和底层特征。对模型输入和主干网络的改进,直接提高模型在复杂环境下对特征的提取能力;对特征融合网络的改进,使模型能够充分利用特征信息,增加对目标定位和边界回归的精准度。实验结果表明,改进后的方法在BDD100K数据集上取得了74.3%的AP和111frame/s的检测速度,比YOLOv5提高11.0个百分点的AP;在Bosch数据集上取得了84.4%的AP和126frame/s的检测速度,比YOLOv5提高9.3个百分点的AP。鲁棒性测试结果表明,改进后的模型在各种复杂环境中对目标的检测能力都有显著提升,鲁棒性增加,做到了高精度实时检测。 展开更多
关键词 交通灯检测 YOLOv5 记忆性特征融合网络 BDD100K 实时检测
下载PDF
基于单片机的智能交通灯控制器设计 被引量:15
11
作者 曹纯子 李业德 《山东理工大学学报(自然科学版)》 CAS 2011年第3期105-107,共3页
设计了一种基于AT89S52单片机芯片的交通信号灯控制系统.该系统除具有交通灯控制功能外,增加了现场实时控制及交通信号灯故障检测功能,提高了交通灯的智能化、可靠性和实用性,可有效提高交叉口的通行能力.
关键词 AT89S52单片机 交通 交通故障检测 红外遥控
下载PDF
基于改进YOLOV5的交通信号灯检测算法研究
12
作者 姚燕婷 雷旭霞 +1 位作者 王厚斌 肖志仁 《网络安全技术与应用》 2024年第4期62-64,共3页
针对传统的交通信号灯检测难度大、准确率低等问题,本文提出了一种基于EfficientNet和CBAM的YOLOV5交通信号灯检测算法。该算法通过引入EfficientNet作为骨干网络,提高了检测器的效率和准确性的同时,引入CBAM模块加强了网络的注意力机制... 针对传统的交通信号灯检测难度大、准确率低等问题,本文提出了一种基于EfficientNet和CBAM的YOLOV5交通信号灯检测算法。该算法通过引入EfficientNet作为骨干网络,提高了检测器的效率和准确性的同时,引入CBAM模块加强了网络的注意力机制,进一步提高了检测器的性能。在BDD数据集上的实验结果表明,本文提出的算法检测精度达到93.6%,相比于现有的交通信号灯检测算法,在检测速度和准确性方面均有显著提升。该算法具有较高的实用价值,可用于智能交通系统等领域。 展开更多
关键词 计算机视觉 Yolov5 交通灯检测 EfficientNet网络 注意力机制
原文传递
融合地图信息的交通灯路口自动驾驶启停策略
13
作者 李智 覃小艺 +2 位作者 闵欢 张剑锋 王玉龙 《汽车科技》 2022年第1期66-71,共6页
为满足无人驾驶技术中路口启停的需求,本文提出了融合地图信息的交通灯路口车辆启停策略。首先,本文对深度学习模型YOLOv3进行了压缩、裁剪和优化,用于快速识别交通灯颜色状态和箭头信息。其次获取地图给出的当前路口信息,包含前方路口... 为满足无人驾驶技术中路口启停的需求,本文提出了融合地图信息的交通灯路口车辆启停策略。首先,本文对深度学习模型YOLOv3进行了压缩、裁剪和优化,用于快速识别交通灯颜色状态和箭头信息。其次获取地图给出的当前路口信息,包含前方路口是否可以调头、左转、直行、右转以及交通信号灯的数量和每个信号灯对应的功能。然后将交通灯检测结果与当前路口信息进行匹配,并将检测结果发送到控制系统,最终控制系统根据导航信息判断是否启停。本文提出的策略保证了交通灯检测准确率,自动驾驶启停策略不限于固定单一场景,通用性强。 展开更多
关键词 交通灯检测 深度学习 地图信息 启停策略
下载PDF
Traffic signal detection and classification in street views using an attention model 被引量:17
14
作者 Yifan Lu Jiaming Lu +1 位作者 Songhai Zhang Peter Hall 《Computational Visual Media》 CSCD 2018年第3期253-266,共14页
Detecting small objects is a challenging task.We focus on a special case:the detection and classification of traffic signals in street views.We present a novel framework that utilizes a visual attention model to make ... Detecting small objects is a challenging task.We focus on a special case:the detection and classification of traffic signals in street views.We present a novel framework that utilizes a visual attention model to make detection more efficient,without loss of accuracy,and which generalizes.The attention model is designed to generate a small set of candidate regions at a suitable scale so that small targets can be better located and classified.In order to evaluate our method in the context of traffic signal detection,we have built a traffic light benchmark with over 15,000 traffic light instances,based on Tencent street view panoramas.We have tested our method both on the dataset we have built and the Tsinghua–Tencent 100K(TT100K)traffic sign benchmark.Experiments show that our method has superior detection performance and is quicker than the general faster RCNN object detection framework on both datasets.It is competitive with state-of-theart specialist traffic sign detectors on TT100K,but is an order of magnitude faster.To show generality,we tested it on the LISA dataset without tuning,and obtained an average precision in excess of 90%. 展开更多
关键词 traffic light detection traffic light benchmark small object detection CNN
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部