基于改进YOLOv5和Deep SORT的桥梁车辆识别及跟踪研究

赵 智 勇

(中交第一公路勘察设计研究院有限公司，陕西 西安 710075)

摘　要：　掌握真实的车辆荷载情况对桥梁设计及智能管养具有重要意义。为此，基于计算机视觉技术和深度学习，建立了一种用于桥梁上多车检测和跟踪的算法。首先，收集交通监控视频建立了多种类型车辆的外观特征数据库。其次，建立了多车检测算法，并在所搭建的数据库上对其进行训练和测试。随后，将性能最佳的检测算法与跟踪算法相结合，进而完成桥梁上多车目标的连续跟踪。最后，依托某跨海大桥的交通监控视频对所提方法进行了验证，并评估了算法的可靠性和准确性。实验结果表明：提出的多车检测和跟踪算法的检测准确率较高，跟踪效果较好，在视频序列中稳定性较好，可成功完成桥梁上多车的连续跟踪任务。研究成果可为后续桥梁设计及智能化管养提供数据参考。

关键词：　桥梁工程; 计算机视觉; 车辆荷载; 目标检测; 目标跟踪

引文格式： 赵 智 勇. 基于改进YOLOv5和Deep SORT的桥梁车辆识别及跟踪研究[J]. 市政技术，2024，42(12)：174-181. (ZHAO Z Y. Study of vehicle detection and tracking on bridge by improved YOLOv5 and Deep SORT[J]. Journal of municipal technology，2024，42(12)：174-181.)