基于嵌入式GPU的車流量檢測系統(tǒng) 摘要：交通擁堵是當今世界交通領域面臨的主要問題之一，如何通過現(xiàn)有的交通設備獲取更加精準的交通信息是亟待解決的問題圖像識別技術在智能交通系統(tǒng)中有著廣泛的應用，基于深度學習的車流量檢測技術是智能交通的重要組成局部本工程設計了一個基于嵌入式GPU的智能車流量檢測系統(tǒng)，該系統(tǒng)架設在NVIDIAJetsonTX2平臺上，采用基于深度學習YOLOv3的車輛檢測模型，檢測道路上的車輛目標，設置興趣區(qū)域，對檢測到的目標進行識別計數(shù)，實現(xiàn)對交通視頻的實時車流量檢測試驗驗證分析說明，該系統(tǒng)具有較高的檢測精度關鍵詞：深度學習;車流量檢測;YOLO;JetsonTX2中圖分類號：TP391.41文獻標識碼：A文章編號：1003-5168〔2021〕05-0029-03Abstract：Trafficcongestionisoneofthemainproblemsintheworld'stransportationfield，howtoobtainmoreaccuratetrafficinformationthroughexistingtransportationequipmentisanurgentproblem.Imagerecognitiontechnologyhasbeenwidelyusedinintelligenttransportationsystems，vehicleflowdetectiontechnologybasedondeeplearningisanimportantpartofintelligenttransportation.ThisprojectdesignedanintelligentvehicleflowdetectionsystembasedonembeddedGPU，whichwasbuiltontheNVIDIAJetsonTX2platform，usedaYOLOv3vehicledetectionmodelbasedondeeplearningtodetectvehicletargetsontheroad，setareasofinterest，identifyandcountthedetectedtargets，andrealizereal-timetrafficflowdetectionontrafficvideos.Testverificationanalysisshowsthatthesystemhashighdetectionaccuracy.Keywords：deeplearning;vehicleflowdetection;YOLO;JetsonTX2隨著國民經(jīng)濟的開展，交通擁堵、道路平安事故頻發(fā)已經(jīng)成為我國各大城市面臨的嚴峻問題。

為了有效地了解城市交通狀況，解決交通堵塞、交通事故等突發(fā)性狀況，美國、德國、英國等興旺國家紛紛開始開發(fā)智能交通系統(tǒng)〔ITS〕【1】ITS是將車載導航【2】、交通信號燈控制系統(tǒng)【3】和車輛車牌自動識別系統(tǒng)【4】等許多先進的交通技術集成到交通管理和控制系統(tǒng)中的一種方法車流量檢測是智能交通系統(tǒng)的關鍵技術，光流法〔OpticalFlow〕、背景減除法〔BackgroundSubtraction〕、邊緣檢測法〔Edgedetection〕和運動矢量檢測法〔MeasurementofMotionVector〕是常見的幾種基于視頻的車輛檢測方法[5-6]傳統(tǒng)的車輛檢測算法在檢測的實時性、準確性和可靠性上有著一定的技術痛點，已經(jīng)不能完全滿足智能交通系統(tǒng)實時性的要求，人們急需研發(fā)更高效、更可靠、實時性好、準確性高的車輛檢測算法近年來，隨著人工智能技術和圖像識別技術的開展，采用機器學習方案來識別車輛通過監(jiān)控屏幕的情況已經(jīng)成為一個新的技術熱點深度學習是一種特殊的機器學習方法，其在目標檢測方面比傳統(tǒng)的檢測方法與淺層機器學習模型有著更高的準確率與更好的檢測結果，它通過應用深度卷積神經(jīng)網(wǎng)絡進行大量的有監(jiān)督訓練來獲取圖像中的車輛特征，從而檢測出車輛【7】。

本研究使用YOLOv3作為系統(tǒng)的影像識別根底，在視頻中設置虛擬的興趣區(qū)域及標記出興趣區(qū)域中的車輛，以到達車輛計數(shù)的目的試驗說明，該系統(tǒng)可以到達較高的計數(shù)精度一個完整的車流量檢測系統(tǒng)由交通視頻采集、車流量檢測算法及檢測結果輸出三局部組成傳統(tǒng)的通用計算機存在本錢高、易死機、體積大等缺點，本系統(tǒng)采用NVIDIA公司出品的JetsonTX2作為高性能嵌入式GPU開發(fā)平臺，采用CPU+GPU的協(xié)同處理模式，實現(xiàn)目標對象檢測1系統(tǒng)設計目標一是實時計數(shù)，要構建一個具有魯棒性的車流量計數(shù)系統(tǒng)，實現(xiàn)車輛實時計數(shù)二是多目標感知為了準確計算交通流量，車流量計數(shù)系統(tǒng)需要具備同時感知多個目標的處理能力三是目標分類，在真實交通場景中，攝像頭會獲取多個類型的對象因此，車輛計數(shù)系統(tǒng)需要從多種類型的移動目標中提取到各種類型車輛2系統(tǒng)模型結構如圖1所示，該系統(tǒng)主要包括三個功能模塊，一是車輛檢測器，二是車輛坐標緩沖器，三是車輛計數(shù)器筆者將攝像頭或視頻圖像作為數(shù)據(jù)來源，先對視頻進行預處理，然后檢測器將處理過后的數(shù)據(jù)作為車輛坐標緩沖器的輸入內容，最后車輛計數(shù)器將處理緩沖器中的數(shù)據(jù)，并輸出車流量計數(shù)的結果下面對該流程做詳細的講解。

本系統(tǒng)采用YOLOv3模型作為車輛檢測算法，YOLO是一個快速、準確的目標探測器它包含公開可用的數(shù)據(jù)集Pascalvoc2021，其中包含數(shù)百萬個自然圖像，可以使用訓練數(shù)據(jù)集訓練的權重識別80個類別對于車流量檢測系統(tǒng)來說，只需要檢測汽車、公共汽車和卡車三種類別的目標因此，對原有的YOLO代碼做了修改，只輸出上述三類對象識別，并屏蔽掉屏幕上的其他移動對象YOLOv3模型采用矩形框標記出檢測到的車輛，車輛標記的矩形框位置用一個元組〔x，y，w，h〕來進行表示其中，〔x，y〕表示矩形框左上方點的坐標，w，h分別表示矩形框的橫向長度和縱向長度因此，通過計算可知，標記車輛的質心位置坐標為〔x+w/2，y+h/2〕由于YOLO采用的是“端對端〞的訓練方法，因此對當前畫面進行處理之后將返回數(shù)據(jù)進行處理，視每一個預選區(qū)域為單獨個體，在該個體的矩形框上標記其序號，并將其參加列表中，同時根據(jù)質心追蹤算法確保其從進入興趣區(qū)域到離開興趣區(qū)域都被標記，存放標記個體的列表根據(jù)檢測實時變化，從而獲取到車輛數(shù)，如圖2所示3算法移植如圖3所示，本系統(tǒng)采用英偉達公司出品的JetsonTX2作為檢測系統(tǒng)的嵌入式平臺，該嵌入式平臺采用256核心的NVIDIAPascalGPU架構，擁有256核心NVIDIAPascalGPU，完全支持所有現(xiàn)代圖形API〔ApplicationProgrammingInterface〕，統(tǒng)一著色器實現(xiàn)圖像渲染并支持GPU計算。

GPU支持與分立NVIDIAGPU相同的所有功能，涵蓋廣泛的計算API和包括CUDA在內的計算庫兩個CPU集群通過NVIDIA設計的高性能相干互連結構連接;支持兩個CPU集群同時運行，以實現(xiàn)真正的異構多處理〔HMP〕環(huán)境Denver2〔雙核〕CPU集群針對更高的單線程性能進行了優(yōu)化;ARMCortex-A57MPCore〔四核〕CPU集群更適合多線程應用和更輕負載[8]內存系統(tǒng)支持高帶寬LPDDR4〔LowPowerDoubleDataRate4〕，支持128位內存控制器，數(shù)據(jù)傳輸速度最高可達3200Mbps總體來說，該嵌入式平臺性能強大，外形小巧，節(jié)能高效，非常適合智能移動機器人、交通巡線無人機、嵌入式智能監(jiān)控器等智能設備本嵌入式檢測系統(tǒng)平臺運行所需的軟件為：Ubuntu16.04操作系統(tǒng)、CUDA9.0Toolkit，cuDNN7.0等本研究以安陽市萬達天橋采集的交通視頻為數(shù)據(jù)源，一旦該系統(tǒng)接收到需要檢測的視頻，檢測器將采用YOLOv3模型來識別視頻中的車輛，并將車輛的坐標存儲在緩存器中，最后車輛計數(shù)器將處理存儲在緩存器中的數(shù)據(jù)，并輸出車輛計數(shù)的結果4試驗驗證為了驗證車流量檢測系統(tǒng)〔見圖4〕的有效性和可靠性，將該算法移植入JetsonTX2嵌入式平臺。

由于攝像頭在拍攝中受到風及天橋本身的震動影響，攝像頭會產(chǎn)生輕微的晃動，對拍攝視頻的穩(wěn)定性產(chǎn)生一定影響，但是通過測試，該系統(tǒng)對車流量的檢測效果依舊良好下面三組測試說明了該系統(tǒng)的有效性，如表1所示試驗數(shù)據(jù)說明，該系統(tǒng)采用YOLOv3作為車流量檢測算法，準確率較高，比照幀差法具有一定的優(yōu)勢，結合JetsonTX2強大的GPU運算能力，其根本可以滿足實時檢測的要求，該系統(tǒng)的設計是可行的5結論智能交通系統(tǒng)為人們提供了一個平安的交通環(huán)境得益于圖像識別技術的快速開展，它可以方便地完成交通流計數(shù)等綜合任務，通過修改現(xiàn)有的YOLO模型，對檢測到的物體進行識別，以獲得所需的車輛坐標本文提出了一種利用改進的YOLO模型的嵌入式車流量檢測系統(tǒng)，通過對三段不同的交通視頻進行試驗，驗證了系統(tǒng)的正確性和有效性參考文獻：【1】DimitrakopoulosG，DemestichasP.IntelligentTransportationSystems[J].IEEEVehicularTechnologyMagazine，2021〔1〕：77-84.【2】KMorinaga.CarnavigationSystem：US，5416478[P].1995-05-16.【3】KHMolloy，JPWard，VMBenson.TrafficSignalControlSystem：US，3675196[P].1972-07-04.【5】史忠科，曹力.交通圖像檢測與分析[M].北京：科學出版社，2021.【6】RCGonzalez，REWoods.Digitalimageprocessing[M].UpperSaddleRiver：PrenticeHall，2021.【7】馬永杰，宋曉鳳.基于YOLO和嵌入式系統(tǒng)的車流量檢測[J].液晶與顯示，2021，4〔6〕：613-618.[8]高潮，李天長，郭永彩.基于DM642的嵌入式實時多路圖像采集處理系統(tǒng)[J].微計算機信息，2021〔30〕：282-283.。