面向车流量智能检测的YOLOv7算法改进与应用

针对当前机器视觉识别中车流量检测的精度问题，以YOLOv7人工智能算法为基础，通过视觉跟踪并叠加注意力机制，提出一种基于YOLOv7和Deep SORT的改进型车流量智能检测方法。通过将注意力模块GAM与YOLOv7网络进行融合增强检测网络的特征提取能力；同时在改进后的YOLOv7网络中引入Deep SORT跟踪算法以改善车辆间相互遮挡导致复检漏检问题。实验选取重庆市渝中区经纬大道双向六车道为研究对象，在新铺社天桥上采用固定相机连接移动笔记本电脑的方式进行数据采集以及算法验证，为了保证算法的可重复性，分别选取早高峰、午平峰和晚高峰3个时段分别录取了5 min的交通流视频。利用在交通视频中通过设置虚拟检测线，让新算法在车辆检测的同时对车辆运行轨迹进行跟踪，当车辆经过检测线时记录车辆的身份编号，以此来实现交通视频的车流量监测与跟踪计数。实验结果表明：改进后的新算法相比于原YOLOv7算法在车辆检测方面平均精度提高了2.3%,视频车流量统计的精度提高了8.2%。