凡阳阳， 胡放荣， 熊显名， 李小勇

(1.桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004；2.广西交通科学研究院有限公司，南宁 530007)

隧道的稳定安全运行关系到整个高速公路网的安全畅通运行，因此，对高速公路隧道内进行监测具有很大的意义。可以基于当前大量的高速公路隧道视频监控设备对隧道内的交通状况进行监控，实现隧道交通的智能化。隧道内的车辆检测与跟踪是实现这一智能化的重要手段[1]。近几年来随着人工智能技术的快速发展，车辆检测方面主要表现在基于深度卷积神经网络的深度学习算法。Yang等[2]提出了一种基于Faster R-CNN网络的道路车辆检测方法，通过对网络模型进行改进，提高了小型车辆的检测性能。宋焕生等[3]基于SSD深度学习算法，实现了适用于高速公路场景的车辆目标分类与检测。李云鹏等[4]采用目前比较流行的YOLOv3目标检测算法，对道路上的行人及车辆进行检测，实现了良好的目标检测精度和速度。在车辆跟踪方向，刘军等[5]提出一种基于Tiny YOLOv3、卡尔曼滤波和匈牙利算法的多目标车辆跟踪方法，该方法运行速度较快，适合应用在嵌入式平台。潘振福等[6]将多尺度估计加入KCF跟踪算法中，增强了跟踪算法的目标尺度变化适应性。程立英等[7]基于TLD跟踪算法实现了快速视觉跟踪,具有较强的适应性和有效性。

考虑到车辆检测与跟踪算法的实时性及准确性，采用YOLOv3目标检测算法，实现高精度的隧道车辆检测和车型识别。在车辆检测的基础上，提出了一种目标检测结合DSST跟踪算法的多车辆跟踪方法，实现高速公路隧道多目标车辆跟踪，具有较好的实用价值。……