基于YOLOv8的隧道交通监控车辆检测与跟踪算法研究  

作　　者：张安 潘怡静 赖志坚 肖煌 郑全忠 

机构地区：[1]广西警察学院交通管理工程学院,广西南宁530000

出　　处：《装备制造技术》2025年第1期35-38,共4页Equipment Manufacturing Technology

基　　金：2023年度广西壮族自治区大学生创新创业训练项目“‘水幕’:道路隧道行车安全的检测和预警研究”(S202313520013);2024年广西高校中青年教师基础能力提升项目“基于多源数据融合道路隧道行车安全的检测和预警研究”(2024KY0899)。

摘　　要：为实时掌握隧道中车辆驾驶信息,提高隧道交通驾驶安全,需要在交通运输的监控与管理环节需要准确实时地获取隧道车辆信息,文章提出一种基于YOLOv8和ByteTrack算法相结合的多目标车辆检测与跟踪算法。首先,在YOLOv8目标检测网络中引入CBAM注意力机制,获取更加精确的目标特征,增强网络中通道信息和空间信息的融合度,以此提高网络的检测精度。其次,基于ByteTrack算法中卡尔曼滤波器预测当前帧中的轨迹在下一帧的位置。然后通过预测框和实际检测框的IOU来计算两次匹配的相似度,并用匈牙利匹配算法完成匹配,即将高分检测框的目标与历史追踪轨迹匹配、未匹配历史轨迹的高分检测框与低分检测框目标匹配,从而实现ByteTrack算法对车辆位置和轨迹的高效跟踪。实验表明:网络中CBAM注意力机制显著增强了YOLOv8模型对隧道内车辆的识别能力并降低无关噪声的影响;Bytetrack跟踪算法可较好地匹配检测框和历史轨迹,提高隧道中车辆检测与追踪的连贯性。基于YOLOv8和ByteTrack算法结合的隧道交通监控车辆检测与跟踪算法具有较高的跟踪准确性和识别精度,为制定交通管理与控制措施提供了有效的信息支撑。

关 键 词：车辆检测 目标跟踪 YOLOv8 隧道交通监控 

分 类 号：U495[交通运输工程—交通运输规划与管理]