李秋潭

【摘 要】隨著國內(nèi)機動車保有量的急劇增加，一些交通繁忙的路口在上下班的時間段擁堵非常嚴重，交通事故發(fā)生量居高不下。行人和非機動車駕駛?cè)吮黄毡闅w為是交通弱勢群體，需要在交通系統(tǒng)設(shè)計中予以特別的關(guān)注和保護。文章采用YOLO v4網(wǎng)絡(luò)對行人、摩托車、自行車、汽車、公交車等通行目標進行識別，通過搭建學習環(huán)境、設(shè)定數(shù)據(jù)集收集對象，對圖片集進行訓(xùn)練和測試，統(tǒng)計視頻中包含目標的識別正確率、漏檢率、誤檢率。結(jié)果表明，系統(tǒng)訓(xùn)練的網(wǎng)絡(luò)能夠準確、有效地識別視頻中的各種目標，達到了預(yù)期目標。

【關(guān)鍵詞】行人;摩托車;自行車;汽車;檢測;YOLO;交通指揮設(shè)計

【中圖分類號】TP29 【文獻標識碼】A 【文章編號】1674-0688（2021）12-0016-03

1 引言

在目標識別領(lǐng)域，對行人和各種車輛等目標的檢測，不僅在無人駕駛領(lǐng)域得到了快速發(fā)展，在交通指揮信號系統(tǒng)設(shè)計方面也得到廣泛應(yīng)用。隨著城市人口的快速膨脹，機動車輛的保有量不斷增長，道路交通擁堵問題日益嚴重，機動車輛給人們帶來便利的同時，也帶來巨大的交通安全風險，對交通弱勢群體造成的傷害尤為嚴重。因此，交通指揮部門在規(guī)劃路口通行時間時，不能單純地考慮機動車如何通行，應(yīng)同時考慮交通弱勢群體的安全問題。

在一些特定的通行時間段，例如上學、放學高峰期，若是能根據(jù)目標檢測結(jié)果，按照“行人優(yōu)先”原則設(shè)計交通信號指揮系統(tǒng)，將會給行人提供更多的通行保護。

2 相關(guān)研究

通過檢索相關(guān)論文發(fā)現(xiàn)，在目標檢測領(lǐng)域，大多是對各種機動車輛進行識別和分類，但是針對行人和自行車等小目標檢測進行研究的文獻很少。目前，檢測效果較好的方案大多是基于深度學習算法，識別結(jié)果越來越精確，本研究對行人、機動車等目標的識別也是基于深度學習算法開展。孟輝磊在《行人和電動摩托車目標檢測研究》[1]一文中提出使用YOLO（You Only Look Once）網(wǎng)絡(luò)對電動車進行識別，基于緊急剎車區(qū)域的位置判斷思想，為本文的研究提供了思路。

3 選取目標檢測算法

參考多種基于CNN的目標檢測算法對目標識別的結(jié)果，研究人員決定采用YOLO v4算法。根據(jù)YOLO v4官方提供的數(shù)據(jù)，它對小目標識別效果超過了SSD算法，能夠?qū)煌房诨蛉诵械郎系男腥恕⑵囘M行有效且準確的識別。

YOLO系列圖像識別算法目前已經(jīng)更新到第4代，即YOLO v4。YOLO v4的可定制化程度很高，在性能上優(yōu)于YOLO v5，但是其靈活性與速度弱于YOLO v5。

受時間和實驗條件的限制，本文在定量分析時參考YOLO v4官方論文中給出的結(jié)果，選擇YOLO v4作為本文的目標檢測算法。

4 訓(xùn)練環(huán)境的建立和數(shù)據(jù)集的采集和訓(xùn)練

選定要使用的目標檢測算法后，需要建立一個價格合適的深度學習工作平臺作為訓(xùn)練環(huán)境，進行系統(tǒng)軟、硬件配置，根據(jù)本文的識別目標設(shè)置YOLO v4網(wǎng)絡(luò)的參數(shù)，設(shè)置參數(shù)是一個反復(fù)嘗試的過程[1]。

4.1 建立訓(xùn)練環(huán)境

搭建訓(xùn)練環(huán)境時使用的硬件配置自然是越高越好，高配置的硬件可以大大減少調(diào)試的時間，尤其是反復(fù)調(diào)校參數(shù)花費的時間可以成倍地縮短。但受現(xiàn)有條件的限制，只能采用性能一般的硬件搭建訓(xùn)練環(huán)境。

操作系統(tǒng)選擇Windows 10.0 64 bit，它運行非常穩(wěn)定。沒有選擇市場上較常用的Ubantu系統(tǒng)的原因是為了減少工作中在操作系統(tǒng)來回切換，節(jié)省模型訓(xùn)練和模型參數(shù)優(yōu)化的時間。本系統(tǒng)設(shè)計采用“影馳”GTX1080Ti顯卡進行運算，能夠滿足訓(xùn)練要求。本文將使用自己的訓(xùn)練集模型VOC2012構(gòu)建一個可用的深度學習工作站。

4.1.1 訓(xùn)練環(huán)境的軟、硬件配置

高配置的訓(xùn)練環(huán)境花費巨大，為了降低資金投入，本文使用的顯卡是“影馳”GTX1080Ti 11G大將版，經(jīng)測試后選擇兼容性較好的Windows10.0和CUDA11.0。為了保持良好的兼容性，目前一些軟件版本還沒有使用最新版，因此測試過程中，最新版本的幾種軟件運行時會出現(xiàn)不穩(wěn)定、出錯崩潰等問題。

受條件所限，本文搭建的訓(xùn)練環(huán)境的軟、硬件配置見表1。

4.1.2 YOLO v4的配置

YOLO v4默認識別的對象包括交通標志、汽車、船只等81種對象，這與本文要識別的對象不同，所以開始訓(xùn)練前要修改YOLO v4的默認配置文件，在調(diào)試過程中也需反復(fù)修改，使識別結(jié)果和運行速度滿足實時識別檢測要求。

4.2 構(gòu)建數(shù)據(jù)集

建立YOLO v4訓(xùn)練數(shù)據(jù)集，對交通路口通行的行人、自行車、汽車等目標進行識別。建立數(shù)據(jù)集的思路為確定檢測對象—選擇數(shù)據(jù)集—標注數(shù)據(jù)集—制作VOC2012數(shù)據(jù)集[2]。

4.2.1 確定目標檢測對象

交通路口要采集的目標檢測對象為行人、自行車、汽車，而檢測對象數(shù)據(jù)集主要包括行人、自行車、摩托車、小汽車、公交車等，由于車型種類太多，所以系統(tǒng)未能進行細化分類而只做了簡單分類，后期如果對車輛類型劃分要求更高，則可以繼續(xù)添加細分，例如三輪摩托、四輪電動車等。

4.2.2 選擇數(shù)據(jù)集

VOC、COCO和ImageNet是目前圖像識別領(lǐng)域3種比較流行的數(shù)據(jù)集，YOLO v4官方演示的檢測識別結(jié)果就是通過前兩個數(shù)據(jù)集訓(xùn)練得到的。本系統(tǒng)設(shè)計參考相關(guān)研究的結(jié)果，選擇YOLO v4制作VOC2012格式的數(shù)據(jù)集。在選擇數(shù)據(jù)集時，既考慮數(shù)據(jù)集中圖片的數(shù)量和質(zhì)量，也考慮數(shù)據(jù)的豐富性。除了VOC2012自帶的圖片，還加入UA-DETRAC數(shù)據(jù)集的圖片（如圖1所示）。為了讓數(shù)據(jù)集包含的種類更多一些，設(shè)計人員從互聯(lián)網(wǎng)下載了一部分交通路口的通行圖片。經(jīng)過整理，test數(shù)據(jù)集收集了約5 100張圖片，train數(shù)據(jù)集收集了約11 000張圖片。

4.2.3 標注數(shù)據(jù)集

LabelImg是深度學習中常用于標注圖片中目標位置與名稱的小工具，使用它可以很容易地對自定義的目標進行分類和標注。圖片整理完成后，要將這些圖片按照YOLO v4網(wǎng)絡(luò)規(guī)定的格式進行命名和管理：首先在電腦上安裝Python3.7.9，然后安裝labelImg進行分類、標注。

4.2.4 制作數(shù)據(jù)集VOC2012

PASCAL VOC數(shù)據(jù)集制定了規(guī)范化的目標分類和識別方案，系統(tǒng)設(shè)計人員會選用它里面的一部分圖片，按照它的官方格式制作本系統(tǒng)的數(shù)據(jù)集。VOC2012數(shù)據(jù)集中有20個分類、11 530張各種分辨率的圖片，標定了27 450個目標對象。

VOC2012數(shù)據(jù)集的目錄結(jié)構(gòu)一共包含Annotations、JPEGImages、ImageSets、SegmentationClass、SegmentationObject 5個文件夾，本系統(tǒng)只使用了前3個，另2個未使用。

4.3 訓(xùn)練數(shù)據(jù)集

訓(xùn)練參數(shù)設(shè)置主要包括Batch、Subdivisions、Widths、Heights、Channels、Max-batches、Momentum、Decay、Learning_rate、Burn-in等。本系統(tǒng)對主要參數(shù)進行了設(shè)置和優(yōu)化調(diào)整，得出的最優(yōu)設(shè)置見表2。

5 訓(xùn)練結(jié)果及分析

5.1 訓(xùn)練結(jié)果

利用系統(tǒng)設(shè)計人員搭建的訓(xùn)練環(huán)境，經(jīng)過反復(fù)調(diào)試、優(yōu)化運行，又經(jīng)過5天的VOC2012數(shù)據(jù)集訓(xùn)練，得到最終的平均損失不大于0.061 820 avg，結(jié)果基本符合系統(tǒng)設(shè)計人員的預(yù)期。因為數(shù)據(jù)量太大，所以只展示最終訓(xùn)練結(jié)果：4 000∶0.043 076，0.043 07 avg，0.000 100 rate，10.501 258 seconds，9 267 images。

本測試的目標對象是行人、摩托車、自行車、汽車、公交車，因為檢測目標少，所以速度比較快[3]。

5.2 訓(xùn)練結(jié)果分析

為了展示訓(xùn)練結(jié)果，系統(tǒng)設(shè)計人員選取了一段UA-DETRAC數(shù)據(jù)集中的MVI_20011圖片，分辨率為960×540dpi，MVI_20011共包含664幀圖片，以每30幀截取一張圖片的方式截取前4幀，識別結(jié)果如圖2所示。

本段視頻共識別出52 532個box，其中識別出目標但識別錯誤的一共351個，未識別出的目標472個。故本文訓(xùn)練網(wǎng)絡(luò)平均識別率為97.9%，錯誤率為1.2%，漏檢率為0.9%。各種檢測目標的識別結(jié)果統(tǒng)計見表3。

從整段視頻看，行人的檢測正確率比較高。從第一幀圖片的檢測結(jié)果看，圖片中并沒有摩托車和自行車，對汽車、公交車的檢測正確率很高，由于遮擋很嚴重，所以遠處的一些車輛未被檢測到。在圖片中有摩托車和自行車、行人的幀圖片，檢測正確率符合預(yù)期。

從表3中的檢測結(jié)果看，系統(tǒng)設(shè)計人員訓(xùn)練的網(wǎng)絡(luò)對小目標識別具有很高的正確率，并且能夠根據(jù)需要靈活設(shè)置識別目標的種類，識別速度高達31 FPS，在硬件配置不高的情況下也能滿足實時性識別的要求。

6 結(jié)語

目標檢測的主要任務(wù)是對指定的目標進行分類和識別，本系統(tǒng)需要檢測的目標的是行人、摩托車、自行車、汽車、公交車等。本系統(tǒng)基于YOLO v4網(wǎng)絡(luò)構(gòu)建了適合YOLO v4的VOC2012數(shù)據(jù)集，取得了比較理想的識別效果。在選用數(shù)據(jù)集時，除了選用VOC數(shù)據(jù)集中自帶的一部分圖片，還選用了UA-DETRAC數(shù)據(jù)集的一部分圖片，如果再采集一些更清晰的圖片加入，會取得更好的訓(xùn)練結(jié)果。

當識別目標較小、速度較快、環(huán)境光線不足時，對訓(xùn)練網(wǎng)絡(luò)的識別精度有較大的影響，相信隨著圖像采集、處理設(shè)備的升級，這些問題會得到解決。在后續(xù)的研究中將基于“行人優(yōu)先”的原則和本文取得的設(shè)計經(jīng)驗，深化交通指揮系統(tǒng)的設(shè)計研究。

參 考 文 獻

[1]孟輝磊.行人和電動摩托車目標檢測研究[D].西安：長安大學，2019.

[2]王萍萍，仇潤鶴.基于YOLOv3的車輛多目標檢測[J].科技與創(chuàng)新，2020（3）：68-70.

[3]王瀅暄，宋煥生，梁浩翔，等.基于改進的YOLO v4高速公路車輛目標檢測研究[J].計算機工程與應(yīng)用，2021，

57（13）：218-226.