改进YOLOv5s的自动驾驶汽车目标检测

在自动驾驶领域,由于道路背景复杂以及小目标信息缺失,现有目标检测算法存在检测精度低的问题.由于车载摄像头视角较为固定,道路上的目标在图像空间中的分布具有一定的规律,可以为自动驾驶汽车进行目标检测提供更为丰富的信息.因此,提出一种改进YOLOv5s的空间特征增强网络(SE-YOLOv5s).在YOLOv5s的颈部网络中添加位置注意力模块(location attention module, LAM),该模块能够根据道路目标在图像中的分布特征进行加权,增强网络对目标类别位置分布的感知和定位能力.设计一种小目标增强模块(small target enhancement module,STEM),将浅层特征和深层特征进行融合,可以获得更丰富的小目标语义信息和空间细节信息,提高小目标检测效果.实验结果表明,改进模型对不同尺度目标检测精度均有所提高, APS提高2.8%, APM提高2.5%, APL提高2%.

临时停车场自动收费系统

针对人流密集区域停车场管理效率低下,停车难的问题,提出了一种基于车牌字符识别技术的临时停车场自动收费系统.首先,通过停车场出入口处的摄像机抓拍车辆图像;其次,利用图像处理技术进行车牌定位、车牌矫正、车牌字符分割,并搭建卷积神经网络实现车牌字符识别;然后,通过MySQL数据库实现车辆进出时间存储、停车时长及收费金额的计算;最后,设计了管理显示界面实现车辆信息的管理和显示.利用OpenCV和C++对整个系统进行了仿真实现.仿真结果表明,该系统识别率达到97%以上,设备移动简便、停车管理自动化程度高,极大的减轻了临时停车场停车管理难度.