基于RAFT的高速公路夜间交通事件检测

高速公路夜间交通事件检测对于提高救援效率、避免二次事故的发生至关重要。我国大部分高速公路都建成了完整的高速公路视频监控系统,但在夜间,高速公路交通事件检测仍采用人工检测,效率较低。通过分析高速公路夜间交通事件检测策略,文章基于RAFT深层网络,以夜间车辆光流形成的密集光流为检测对象,提出了夜间高速公路车辆检测深度学习网络,采用DeepSort算法对检测目标进行速度跟踪测量。利用实测数据对YOLOv5和研究提出的方法进行了比较,结果表明所提方法具有检测精度高、检测速度快等优点。

基于无人机视频的交叉口流量检测方法

交叉口的运行效率直接影响城市路网的运行状态,近年来随着无人机技术的兴起,其应用给交叉口运行效率的研究带来了新途径,无人机以其特有的优势为交通参数获取带来了便利。文章基于深度学习的方法采用改进的YOLOv5l+DeepSort的多目标检测追踪算法实现交叉口机动车辆的检测追踪,获取其运行轨迹及运动参数,检测精度达到0.926。在此基础上融合目标空间坐标点位移和角度变换实现对各进口道机动车不同流向流量的准确检测。最后选取南京市星火路-学府路交叉口进行验证,本方法的流量检测准确率达到95%。结果证明本方法可以对交叉口运行状态合理量化,为交通调查分析和改造优化提供技术支持。