吴祥 谢尔夫 张恒 徐秉皓 易梦华 张智

摘要：基于深度学习算法，在交通中不同路况中对重载车辆进行检测与流量统计问题有待解决。首先对YOLOv4原理及主要算法进行介绍;之后进行了数据集的标注等预处理，将数据输入到YOLOv4模型中进行训练;最后对实验结果进行了一定的分析，并进行了模型检测，实验效果较好。该算法基本能够实现对不同路况中重载车辆的检测和流量统计。

关键词： 重车检测; 目标检测; YOLOv4; 深度学习; 人工智能

中图分类号：TP183      文献标识码：A

文章编号：1009-3044（2021）35-0085-03

Heavy Vehicle Detection and Recognition Based on Deep Learning

WU Xiang，XIE Er-fu，ZHANG Heng，XU Bing-hao，YI Meng-hua，ZHANG Zhi*

（School of Computer Wuhan University of Science and Technology， Wuhan 430065， China）

Abstract： Based on deep learning algorithms， the detection and flow statistics of heavy vehicles in different road conditions in traffic have yet to be resolved. First， the principle and main algorithms of YOLOv4 are introduced; then the data set is preprocessed such labeling and input the data into the YOLOv4 model for training; finally， the experimental results are analyzed to a certain extent， and the model is tested. The results are relatively good. This algorithm can basically realize the detection and traffic statistics of heavy vehicles in different road conditions.

Key words：heavy vehicle detection;object detection;YOLOv4;deep learning;artificial intelligence

隨着深度学习的不断发展，其在各个领域都得到了广泛的应用[1]。在城市交通管理时，利用人工智能技术，可以有效实时分析城市交通流量、信号灯检测等，以此来提升城市道路的通行效率[2]。在车辆检测方面，深度学习也发挥了很重要的作用[3]。深度学习模型在检测车辆车牌、运行速度、运行轨迹、流量统计等各个方面都起到了关键性的作用[4]，极大地降低了交通管理人员的负担，为人们带来了一定的便利。

目前，大多数交通事故很大程度归因于重载车辆的行驶。重载车辆在桥段上行驶时，会极大程度地增加桥的承载负担，对桥段造成很严重的损害[5]，以至于发生桥面断裂、坍塌等重大事故。利用深度卷积神经网络自动识别重车是一种有效的途径[6]。

为了在交通管理方面减轻管理人员的负担，同时也为了大多数行车人员的安全着想，本文设计了一套利用深度学习对重车进行检测的系统。……