基于改进YOLOv3的高速公路通行车辆分类方法研究  

作　　者：李妍 杨雨霖 朱宇 王润民[1] 周文帅 

机构地区：[1]长安大学信息工程学院,陕西西安710000 [2]长安大学电子与控制工程学院,陕西西安710000 [3]河南中天高新智能科技股份有限公司,河南郑州450000

出　　处：《物联网技术》2023年第3期116-121,共6页Internet of things technologies

基　　金：陕西省重点研发计划项目:智能网联汽车评价关键技术与硬件在环测试系统(2021LLRH-04-01-03);中央高校基本科研业务费资助项目(300102242501)。

摘　　要：车辆分类问题是智能交通系统中的重要问题,传统方法是结合支持向量机SVM(Support Vector Machine)和方向梯度直方图HOG(Histogram of Oriented Gradient)两种经典的机器学习算法进行车辆分类,但无法解决实际应用中高速公路场景下的车辆分类。为满足高速公路通行车辆中对车辆分类的要求,文章提出一种基于改进YOLOv3的车辆分类方法。与传统的YOLOv3分类方法相比,所提出的方法改进了Darknet-53中的激活函数,整体提高了车辆分类的准确度。在京港澳高速公路车辆数据集上验证了所提方法的可行性和有效性,mAP值由89.65%提高至90.92%。

关 键 词：车辆分类 智能交通系统 高速公路 ETC YOLOv3 Darknet-53 

分 类 号：U495[交通运输工程—交通运输规划与管理] TP391[交通运输工程—道路与铁道工程]