基于YOLOv5s模型的车辆类型检测算法

刘 鹤，李建义

（北华航天工业学院，河北 廊坊 065000）

0 引言

随着近些年私家车数量的增加，交通问题日益凸显，智慧交通对满足人们的生活需求、提高交通运输效率具有重要意义［1］。车辆类型检测是智慧交通的重要部分，例如在高速路口根据车辆类型会有不同的收费标准。目前，车辆类型检测的方法主要有基于CNN的车辆目标检测［2］、基于改进的Harris角点检测的车型识别［3］、基于SVM的车型检测和识别算法［4］、基于特征融合的车型检测。基于CNN与SVM的算法特征维数高、训练时间长，而且在面对较多车辆时会有遗漏情况。基于改进的Harris角点检测与基于特征融合的车型检测实时性差，不能及时检测车辆类型。因此，以上算法都不能满足车辆类型实时检测的需求。

为解决以上问题，本文选择目前流行的YO‐LOv5s［5］为基础框架，进一步高效地检测识别车辆类型。针对YOLOv5s算法使用Giou［6］作为损失函数时，如果两个目标边界框出现包含关系，或长宽高相同，差集会变为0，无法评估相对位置等问题，提出使用Ciou［7］作为损失函数代替Giou，既提高了模型训练的速度，又进一步改善了模型的精度。仿真实验结果表明：该改进方法对车辆类型的检测具有较好的实时性和较高的精确度。

1 YOLOv5s网络模型

YOLOv5是一种单阶段目标检测算法，它和YOLOv3、YOLOv4整体布局相似，由Input、Back‐bone、Neck、Prediction四部分构成［8］，车辆检测流程结构如图1。v5系列总共有四个版本：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，这四个版本在结构上一致，其中YOLOv5s网络最小［9］，精确度不如其余三种，但是速度最快。其余三种网络在YOLOv5s的基础上不断加深和加宽，精确度高但是速度较慢。由于本次实验是对车辆的类型进行检测，对检测的速度有较高的要求，因此，选择YOLOv5s作为本实验目标检验的框架基础。

图1 车辆检测流程结构

1.1 Input区域

YOLOv5s输入端结构如图2所示，它采用Mo‐saic数据增强的方式［10］，将输入的四张汽车图像进行随机缩放、裁剪、排布拼接［11］。YOLOv5s针对采集的车辆图像信息不一致问题，采用自适应图片缩放的方式，将输入的汽车图像缩放或填充到608*608尺寸。对统一长宽的汽车图像设定初始长宽的锚框，每次训练将预测车型锚框与真实锚框比对，计算两者差距并更新网络参数，自适应找出最佳锚框。

图2 Input结构

1.2 Backbone区域

Backbone［12］是YOLOv5s网络的主干部分，车辆图像依次经过一次Focus结构，X次CBL、CSP1［13］结构和一次SPP［14］结构。

Focus结构的主要工作是对车辆图像进行切片操作，结构如图3所示。Focus将3*608*608切成四个3*304*304的切片，然后采用Concat拼接这四个切片，经过卷积层提取车辆特征。最后使用Leaky_relu激活函数输出一个没有信息丢失的采样特征图［15］。

图3 Focus结构

经Focus输出的车辆采样特征图会依次经过X次CBL、CSP1结构。CBL由卷积层、归一化层、激活层组成，即采样特征图先经过卷积层进一步提取不同的特征，其次经过归一化层，实现特征结果的归一化，最后经过Leaky_relu激活函数输出结果到CSP1。

CSP1的结构如图4所示，CSP1的工作是提取特征，一个CSP1由两条“路径”组成，其中一条只有一个卷积层，另一条包含一个或多个CBL块、多个残差组件和一个卷积层。两条“路径”由Concat层拼接经归一化层和激活函数Leaky_relu输出。

图4 CSP1结构

SPP结构由Conv、max pooling和Concat三部分组成，结构如图5所示。SPP接收的图像尺寸为512*20*20，将输入图像通过Conv层进行特征提取之后输出尺寸为256*20*20，将提取后的特征在fea‐ture map上选取候选框，再经过四个max pooling提取固定大小特征，最后由Concat层拼接输出。

图5 SPP结构

1.3 Neck区域和Prediction区域

Neck区域采用FPN［16］的反向扩展结构FPN+PAN［17］，如图6所示。自顶向下传递的FPN结构与两个自底向上的PAN结构结合操作，极大加强了网络特征的融合能力。

图6 FPN+PAN结构

Prediction负责将输入的车辆图像进行识别和分类。Prediction有三个输出，每个输出都是由卷积层与全连接层构成。针对每个输出，使用非最大抑制（NMS）［18］算法来消除多目标检测。

2 YOLOv5s网络模型改进

损失函数作为评价模型预测值和真实值差距的关键指标，损失函数和构建模型的性能呈正相关关系。传统YOLOv5s采用Giou作为损失函数。不同于Iou只关注重叠区域，对于非重合区域Giou同样关注，但是当两个目标边界框出现包含关系，或长宽高相同时，差集为0，Giou退化成Iou，无法评估相对位置，同时，Giou收敛速度慢。为解决此问题，本文采用Ciou作为损失函数，它可以充分考虑重叠面积、中心点距离、长宽比3个几何参数，使检测框更加符合真实框。因此，本实验采用基于Ciou损失函数的YOLOv5s模型。

Ciou损失函数公式如下：

式中α是权重函数；υ用来度量宽高比的一致性；ρ2(A，B)表示A（预测框）与B（目标框）的中心距离；c代表A与B最小并区间对角线距离；Iou等于A和B的交集除以二者的并集是矩形对角线倾斜角度。

3 仿真实验对比及分析

3.1 数据集介绍

本次实验自制了一个车辆信息数据集，包括家用轿车、公交车、消防车、卡车、吉普车、SUV、面包车、出租车八种车型。车辆数据来自街道、校园和汽车展厅，共1260张图像，如图7所示。通过使用LabelImg软件将收集的图片标注出车辆类别，并将每个图像标注好的结果以.txt文件保存，该文件名和图像名称一致，包含对象的类别，对象中心的坐标、宽度和高度。本次实验将以7:3的比例划分训练集和测试集，分别用于本实验模型的训练和测试。

图7 车辆数据集图例

3.2 YOLOv5s网络训练

本实验运行环境：操作系统为Centos7，CPU为Intel Xeon Platinum8156，GPU为NVIDIA GeForce RTX 3080 Ti，内存16G，通过Python编程语言实现，使用框架为Pytorch。

为了查看训练周期对训练模型的影响，本实验对同一数据集训练四次：25、50、75和100个周期，实验周期对比结果见表1。

表1 周期对比结果

从表1中可以看出，训练的周期长短影响YO‐LOv5训练模型的质量，当接近100个周期时，参数增加幅度极低，因此，epochs为100时是最佳次数。

3.3 模型评估指标

本实验使用mAP作为模型的评价指标，mAP值越大说明车辆类型检测识别率越好，mAP公式如下：

其中，AP代表平均精度，是P-R曲线下的面积，mAP为AP的平均值。P表示预测为正例的样本中有多少是预测正确的，R表示真正为正例的样本中有多少被预测正确。P和R公式如下：

3.4 测试结果

本实验的YOLOv5s与传统YOLOv5s在训练100个epochs后，新YOLOv5s的mAP收敛速度明显高于YOLOv5s，而且起伏较小，如图8所示。

图8 mAP对比结果

从上图可以得出，本实验中的mAP值在60轮时就已经比传统YOLOv5s在100轮的效果要好，可以节省大量的训练时间，在有限时间下改进YOLOv5s会取得更加显著的效果。

除mAP外，本实验训练模型的Precision、Recall分别能达到0.995和0.996，如图9所示。

图9 Precision和Recall结果

为了直观检验训练车辆检测模型的效果，随机从测试集抽取部分图片作为输入，这些图片包含多种角度、多种拍摄距离下的交通照片，结果如图10所示。从图中可以看到能够准确识别消防车、公交车和私家车，证明了本实验可以精确的识别车辆类型，满足实际交通应用需求。

图10 优化后检测效果

4 结语

本实验为满足智能交通中对车辆类型检测精度以及速度的需求，提出以YOLOv5s为基础框架，用Ciou代替Giou作为损失函数。实验结果表明，本实验改进的YOLOv5s在mAP上明显优于原YO‐LOv5s，且收敛速度提升20%，实现了速度与精度两个方面的提升，非常适用于车辆类型识别的任务。