基于YOLOv5 DeepSORT和虚拟检测区的车轴时空定位方法

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(...