徐子睿 刘猛 谈雅婷

摘  要：基于深度学习算法，对智能交通中的车辆检测与流量统计问题进行探讨与解决。首先对YOLOv4算法进行介绍;然后使用YOLOv4算法进行实地的流量检测;之后选取统计区域，对视频中的car、bus、motorbike和truck四种类型事物进行流量统计;最后对实验结果的偏差进行了分析，并对重复识别现象提出了改进方案。该算法能基本满足车辆检测和流量统计的实时性和精度的要求。

关键词：YOLOv4;深度学习;目标检测;流量统计;智能交通

中图分类号：TP391.41      文献标识码：A 文章编号：2096-4706（2020）15-0098-04

Abstract：Based on the deep learning algorithm，this paper discusses and solves the problems of vehicle detection and traffic statistics in intelligent transportation. Firstly，the YOLOv4 algorithm is introduced;then the traffic detection is carried out by using the YOLOv4 algorithm;then the traffic statistics of car，bus，motorbike and truck in the video is carried out by selecting the statistical area;finally，the deviation of the experimental results is analyzed，and the improvement scheme for the phenomenon of repeated recognition is proposed. The algorithm can basically meet the requirements of real-time and accuracy of vehicle detection and traffic statistics.

Keywords：YOLOv4;deep learning;target detection;traffic statistics;intelligent transportation

0  引  言

伴随着人工智能进入国家战略层面的议程，以及人工智能技术的不断革新突破，智能交通系统必然会成为未来的发展趋势，要实现交通系统的智能化和自动化运行，就要将大量的交通信息利用计算机视觉技术进行处理，例如车牌识别、车辆识别与流量统计、无人驾驶等。其中，车辆识别与流量统计是实现降低交通拥堵程度，提高交通运输畅通性的基础，实施有效的交通监控对于解决交通问题具有积极意义。虽然基于深度学习的目标检测和目标跟踪技术得到了一定的发展，但其在智能交通领域的应用和发展尚不成熟，同时也缺乏新技术的引入。

车辆检测是流量统计的基础，属于目标检测的范畴。目前，基于计算机视觉的目标检测算法可分为传统的目标检测算法和基于深度学习的目标检测算法。传统的目标检测算法主要有光流法、帧间差分法和背景差分法，根据目标运动变化的原理进行识别。……