采用YOLO算法的交通路口智能交通系统设计
李秋潭
【摘 要】随着国内机动车保有量的急剧增加，一些交通繁忙的路口在上下班的时间段拥堵非常严重，交通事故发生量居高不下。行人和非机动车驾驶人被普遍归为是交通弱势群体，需要在交通系统设计中予以特别的关注和保护。文章采用YOLO v4网络对行人、摩托车、自行车、汽车、公交车等通行目标进行识别，通过搭建学习环境、设定数据集收集对象，对图片集进行训练和测试，统计视频中包含目标的识别正确率、漏检率、误检率。结果表明，系统训练的网络能够准确、有效地识别视频中的各种目标，达到了预期目标。
【关键词】行人;摩托车;自行车;汽车;检测;YOLO;交通指挥设计
【中图分类号】TP29 【文献标识码】A 【文章编号】1674-0688（2021）12-0016-03
1 引言
在目标识别领域，对行人和各种车辆等目标的检测，不仅在无人驾驶领域得到了快速发展，在交通指挥信号系统设计方面也得到广泛应用。随着城市人口的快速膨胀，机动车辆的保有量不断增长，道路交通拥堵问题日益严重，机动车辆给人们带来便利的同时，也带来巨大的交通安全风险，对交通弱势群体造成的伤害尤为严重。因此，交通指挥部门在规划路口通行时间时，不能单纯地考虑机动车如何通行，应同时考虑交通弱势群体的安全问题。
在一些特定的通行时间段，例如上学、放学高峰期，若是能根据目标检测结果，按照“行人优先”原则设计交通信号指挥系统，将会给行人提供更多的通行保护。
2 相關研究
通过检索相关论文发现，在目标检测领域，大多是对各种机动车辆进行识别和分类，但是针对行人和自行车等小目标检测进行研究的文献很少。目前，检测效果较好的方案大多是基于深度学习算法，识别结果越来越精确，本研究对行人、机动车等目标的识别也是基于深度学习算法开展。孟辉磊在《行人和电动摩托车目标检测研究》[1]一文中提出使用YOLO（You Only Look Once）网络对电动车进行识别，基于紧急刹车区域的位置判断思想，为本文的研究提供了思路。
3 选取目标检测算法
参考多种基于CNN的目标检测算法对目标识别的结果，研究人员决定采用YOLO v4算法。根据YOLO v4官方提供的数据，它对小目标识别效果超过了SSD算法，能够对交通路口或人行道上的行人、汽车进行有效且准确的识别。
YOLO系列图像识别算法目前已经更新到第4代，即YOLO v4。YOLO v4的可定制化程度很高，在性能上优于YOLO v5，但是其灵活性与速度弱于YOLO v5。
受时间和实验条件的限制，本文在定量分析时参考YOLO v4官方论文中给出的结果，选择YOLO v4作为本文的目标检测算法。
4 训练环境的建立和数据集的采集和训练
选定要使用的目标检测算法后，需要建立一个价格合适的深度学习工作平台作为训练环境，进行系统软、硬件配置，根据本文的识别目标设置YOLO v4网络的参数，设置参数是一个反复尝试的过程[1]。
4.1 建立训练环境
搭建训练环境时使用的硬件配置自然是越高越好，高配置的硬件可以大大减少调试的时间，尤其是反复调校参数花费的时间可以成倍地缩短。但受现有条件的限制，只能采用性能一般的硬件搭建训练环境。
操作系统选择Windows 10.0 64 bit，它运行非常稳定。没有选择市场上较常用的Ubantu系统的原因是为了减少工作中在操作系统来回切换，节省模型训练和模型参数优化的时间。本系统设计采用“影驰”GTX1080Ti显卡进行运算，能够满足训练要求。本文将使用自己的训练集模型VOC2012构建一个可用的深度学习工作站。
4.1.1 训练环境的软、硬件配置
高配置的训练环境花费巨大，为了降低资金投入，本文使用的显卡是“影驰”GTX1080Ti 11G大将版，经测试后选择兼容性较好的Windows10.0和CUDA11.0。为了保持良好的兼容性，目前一些软件版本还没有使用最新版，因此测试过程中，最新版本的几种软件运行时会出现不稳定、出错崩溃等问题。
受条件所限，本文搭建的训练环境的软、硬件配置见表1。
4.1.2 YOLO v4的配置
YOLO v4默认识别的对象包括交通标志、汽车、船只等81种对象，这与本文要识别的对象不同，所以开始训练前要修改YOLO v4的默认配置文件，在调试过程中也需反复修改，使识别结果和运行速度满足实时识别检测要求。
4.2 构建数据集
建立YOLO v4训练数据集，对交通路口通行的行人、自行车、汽车等目标进行识别。建立数据集的思路为确定检测对象—选择数据集—标注数据集—制作VOC2012数据集[2]。
4.2.1 确定目标检测对象
交通路口要采集的目标检测对象为行人、自行车、汽车，而检测对象数据集主要包括行人、自行车、摩托车、小汽车、公交车等，由于车型种类太多，所以系统未能进行细化分类而只做了简单分类，后期如果对车辆类型划分要求更高，则可以继续添加细分，例如三轮摩托、四轮电动车等。
4.2.2 选择数据集
VOC、COCO和ImageNet是目前图像识别领域3种比较流行的数据集，YOLO v4官方演示的检测识别结果就是通过前两个数据集训练得到的。本系统设计参考相关研究的结果，选择YOLO v4制作VOC2012格式的数据集。在选择数据集时，既考虑数据集中图片的数量和质量，也考虑数据的丰富性。除了VOC2012自带的图片，还加入UA-DETRAC数据集的图片（如图1所示）。为了让数据集包含的种类更多一些，设计人员从互联网下载了一部分交通路口的通行图片。经过整理，test数据集收集了约5 100张图片，train数据集收集了约11 000张图片。
4.2.3 标注数据集
LabelImg是深度学习中常用于标注图片中目标位置与名称的小工具，使用它可以很容易地对自定义的目标进行分类和标注。图片整理完成后，要将这些图片按照YOLO v4网络规定的格式进行命名和管理：首先在电脑上安装Python3.7.9，然后安装labelImg进行分类、标注。
4.2.4 制作数据集VOC2012
PASCAL VOC数据集制定了规范化的目标分类和识别方案，系统设计人员会选用它里面的一部分图片，按照它的官方格式制作本系统的数据集。VOC2012数据集中有20个分类、11 530张各种分辨率的图片，标定了27 450个目标对象。
VOC2012数据集的目录结构一共包含Annotations、JPEGImages、ImageSets、SegmentationClass、SegmentationObject 5个文件夹，本系统只使用了前3个，另2个未使用。
4.3 训练数据集
训练参数设置主要包括Batch、Subdivisions、Widths、Heights、Channels、Max-batches、Momentum、Decay、Learning_rate、Burn-in等。本系统对主要参数进行了设置和优化调整，得出的最优设置见表2。
5 训练结果及分析
5.1 训练结果
利用系统设计人员搭建的训练环境，经过反复调试、优化运行，又经过5天的VOC2012数据集训练，得到最终的平均损失不大于0.061 820 avg，结果基本符合系统设计人员的预期。因为数据量太大，所以只展示最终训练结果：4 000∶0.043 076，0.043 07 avg，0.000 100 rate，10.501 258 seconds，9 267 images。
本测试的目标对象是行人、摩托车、自行车、汽车、公交车，因为检测目标少，所以速度比较快[3]。
5.2 训练结果分析
为了展示训练结果，系统设计人员选取了一段UA-DETRAC数据集中的MVI_20011图片，分辨率为960×540dpi，MVI_20011共包含664帧图片，以每30帧截取一张图片的方式截取前4帧，识别结果如图2所示。
本段视频共识别出52 532个box，其中识别出目标但识别错误的一共351个，未识别出的目标472个。故本文训练网络平均识别率为97.9%，错误率为1.2%，漏检率为0.9%。各种检测目标的识别结果统计见表3。
从整段视频看，行人的检测正确率比较高。從第一帧图片的检测结果看，图片中并没有摩托车和自行车，对汽车、公交车的检测正确率很高，由于遮挡很严重，所以远处的一些车辆未被检测到。在图片中有摩托车和自行车、行人的帧图片，检测正确率符合预期。
从表3中的检测结果看，系统设计人员训练的网络对小目标识别具有很高的正确率，并且能够根据需要灵活设置识别目标的种类，识别速度高达31 FPS，在硬件配置不高的情况下也能满足实时性识别的要求。
6 结语
目标检测的主要任务是对指定的目标进行分类和识别，本系统需要检测的目标的是行人、摩托车、自行车、汽车、公交车等。本系统基于YOLO v4网络构建了适合YOLO v4的VOC2012数据集，取得了比较理想的识别效果。在选用数据集时，除了选用VOC数据集中自带的一部分图片，还选用了UA-DETRAC数据集的一部分图片，如果再采集一些更清晰的图片加入，会取得更好的训练结果。
当识别目标较小、速度较快、环境光线不足时，对训练网络的识别精度有较大的影响，相信随着图像采集、处理设备的升级，这些问题会得到解决。在后续的研究中将基于“行人优先”的原则和本文取得的设计经验，深化交通指挥系统的设计研究。
参 考 文 献
[1]孟辉磊.行人和电动摩托车目标检测研究[D].西安：长安大学，2019.
[2]王萍萍，仇润鹤.基于YOLOv3的车辆多目标检测[J].科技与创新，2020（3）：68-70.
[3]王滢暄，宋焕生，梁浩翔，等.基于改进的YOLO v4高速公路车辆目标检测研究[J].计算机工程与应用，2021，
57（13）：218-226.
猜你喜欢自行车行人摩托车开摩托车的闪电小鸡小天使·一年级语数英综合(2021年3期)2021-05-08毒舌出没，行人避让意林(2021年5期)2021-04-18变形金刚——大学生废弃自行车改造艺术科技(2019年14期)2019-11-23路不为寻找者而设扬子江(2019年1期)2019-03-08基于利益相关者的高校旅游创新模式研究经济师(2017年11期)2018-03-08新时代，畅聊合作戏剧之家(2018年34期)2018-03-01一种省力自行车的传动机构的设计科技创新与应用(2017年18期)2017-06-27我是行人小天使·一年级语数英综合(2017年6期)2017-06-07图侃天下智慧少年(2016年2期)2016-06-24有心与无意语文世界(初中版)(2014年5期)2014-10-14