期刊名称：:深圳大学学报(理工版)

全部作者：文奴,郭仁忠,贺彪

出版年份：2021

卷号：38

期号：6

页码：628-635

单一目标检测方法无法实现目标计数的准确统计，且模型的检测精度和速度难以同步提升．以YOLO v4目标检测框架为基础，提出一种移动端的目标追踪和多车道车辆计数模型DCN-Mobile-YOLO．使用可变形卷积网络（deformable convolutional networks, DCNs）v2卷积核和移动端卷积网络MobileNet v3框架分别代替YOLO v4的常规卷积核和主干网络，结合DeepSORT算法实现对多目标的跟踪和计数，建立自适应车道检测规则并实现车道内车辆的精确计数．在VOC2007+2012数据集和GoPro采集数据上验证DCN-Mobile-YOLO模型的有效性．结果表明，DCN-Mobile-YOLO模型的平均精度均值相比主干网络为MobileNet v3和CSPDarkNet的YOLO v4算法分别提升了13.19%和6.63%，目标检测平均帧率为12帧/s．DCN-Mobile-YOLO模型不仅提高了目标检测模型的检测精度，且达到了移动端实时检测的速度．