城市内涝是城市化进程中的一个重点问题,关于内涝的预警、预测和灾害评估目前趋于成熟,洪涝场景下的车辆受淹研究有待挖掘.针对城市内涝下受淹车辆的特点,制定洪涝场景下受淹车辆危险度,利用爬虫收集洪涝场景下的受淹车辆数据,经过处理后,使用标注软件制作成车辆危险度数据集;接着使用YO-LOv5等多种目标检测模型对数据进行训练,实现对洪涝场景下车辆危险度的准确、快速识别;在高性能目标检测器的基础上,引进DeepSort多目标跟踪算法,实现对洪涝场景下的多目标跟踪计数.其中,基于YO-LOv5的车辆危险度mAP为86.3％,FPS为60;基于YOLOv5+DeepSort算法的FPS为35.结果表明,该方法对于洪涝场景下的车辆危险度评价是可行的:其识别速度快、准确率高,满足实时性检测,能够很好地对洪涝场景下的受淹车辆危险度进行评估并实现多目标跟踪.
NETL
NSTL
万方数据
维普
