摘要
为获得道路桥梁上汽车车轴的分布状况,基于YOLOv5 DeepSORT机器视觉技术对监控视频中车轴时空定位的方法进行研究.首先,根据监控视频中车轴多尺度、小目标的特点,提出基于Faster R-CNN算法的图像半自动标注方法,快速构建车轴目标检测数据集;利用YOLOv5算法检测视频中的车轴目标,并对YOLOv5系列算法性能进行评估;然后,提出在视频监测区域中设置虚拟检测区,先利用卡尔曼滤波算法对车轴目标的位置和状态进行预测,再分别利用重识别算法、匈牙利算法和级联匹配方法实现前后2帧车轴目标的匹配,完成基于DeepSORT算法的车轴多 目标跟踪,生成车轴轨迹;最后,利用多目标跟踪结果,结合直接线性转换和基于匀速假定的位置推定,实现了对桥上所有车轴的时空定位.结果表明:在目标检测方面,YOLOv5s6模型表现最优,准确率达到96.42％,检测时间19.2 ms/帧,对车轴具有高准确率和更快的检测速度;在多 目标跟踪方面,基于虚拟检测区和YOLOv5 DeepSORT的多目标跟踪方法具有更好的检测和跟踪效果,与不设置虚拟检测区对比,多目标跟踪精度(MOTA)和识别精确率与识别召回率的调和平均数(IDF1)分别提升了 14.7％和10.1％,被跟踪目标身份发生改变的次数(IDS)减少了 108次.基于YOLOv5 DeepSORT和虚拟检测区的车轴定位方法能在车轴发生遮挡、目标较小和驶出检测区域等情况下准确检测和定位车轴,可为移动荷载识别提供准确的位置信息,同时也为桥梁动态称重方法的车轴信息检测提供了 一种新思路.
NETL
NSTL
维普
万方数据