第２５卷第３期重庆科技学院学报(自然科学版)２０２３年６月基于ＳＴ－ＹＯＬＯｖ５算法的道路交通信号灯检测雷亮秦兰瑶张文萍和圆圆梁明辉尹衍伟陈毅(重庆科技学院智能与技术工程学院ꎬ重庆４０１３３１)收稿日期:２０２２－１０－０４基金项目:２０２１年重庆市属本科高校与中科院所属院所合作项目“工业互联网内生产安全关键技术研究与协同创新”(ＨＺ２０２１０１５)作者简介:雷亮(１９７３—)ꎬ男ꎬ博士ꎬ教授ꎬ硕士研究生导师ꎬ研究方向为图像处理ꎮ通信作者:秦兰瑶(１９９６—)ꎬ女ꎬ在读硕士研究生ꎬ研究方向为图像处理ꎮ摘要:针对ＹＯＬＯｖ５算法在检测交通信号灯过程中存在的误检、漏检及模型特征提取能力不足等问题ꎬ提出改进的交通信号灯检测算法ＳＴ－ＹＯＬＯｖ５ꎮ首先ꎬ去除主干网络末端的卷积层ꎬ并在末端加入基于窗口和移动窗口的多头注意力机制ꎻ其次ꎬ设计由高分辨率、低水平特征图组成的检测层ꎻ最后ꎬ通过增加浅层高分辨率特征与深层强语义特征之间的跨层级连接来缓解由于通道数减少而造成的小目标信息丢失问题ꎬ并在多层特征聚合后加入有关通道和位置的注意力机制ꎮ实验结果表明ꎬ在ＢＤＤ１００Ｋ数据集中ꎬ此改进算法对交通信号灯的检测精度达到７０.１０％ꎬ有效减少了误检、漏检等问题ꎮ关键词:计算机视觉ꎻＳＴ－ＹＯＬＯｖ５ꎻ交通灯检测ꎻ注意力机制ꎻＢＤＤ１００Ｋ数据集中图分类号:ＴＰ３９１文献标识码:Ａ文章编号:１６７３－１９８０(２０２３)０３－００９４－１００前言交通信号灯检测是辅助驾驶系统和自动驾驶系统的核心基础ꎬ在无人驾驶系统、自动驾驶系统的决策模块中具有重要作用ꎮ国内外学者针对交通信号灯检测进行了大量研究ꎬＭａｓａｋｏ等人通过ＲＧＢ来确定红绿灯候选区域ꎬ应用Ｈｏｕｇｈ变换对交通信号灯进行检测[１]ꎮＳｈｉ等人在传统方法的基础上引入了背景抑制法[２]ꎮ这些传统的检测算法更关注交通信号灯的颜色、形状特征ꎬ检测结果易受光照和天气影响ꎬ难以圆满完成检测任务ꎮ随着计算机视觉技术的发展ꎬ基于深度学习的目标检测算法被大量应用于各类检测任务ꎮ基于深度学习的目标检测方法主要包括二阶段目标检测算法和一阶段目标检测算法:二阶段目标检测算法以Ｒ－ＣＮＮ、ＩｎｃｅｐｔｉｏｎＶ２、ＦａｓｔｅｒＲ－ＣＮＮ等为代表[３－５]ꎻ一阶段检测算法以ＳＳＤ、ＹＯＬＯ等为代表[６－７]ꎮ二阶段目标检测算法首先需要生成建议候选框ꎬ然后再回归到最终的目标区域ꎮ一阶段目标检测算...
