买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京理工大学申请的专利一种基于深度学习的道路车辆检测与跟踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116110009B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310124388.5，技术领域涉及：G06V20/54；该发明授权一种基于深度学习的道路车辆检测与跟踪方法是由申明磊;张儒设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本一种基于深度学习的道路车辆检测与跟踪方法在说明书摘要公布了：本申请公开了一种基于深度学习的道路车辆检测与跟踪方法，通过采集实际路口包含交通目标的图片，之后对数据进行标注处理，制作自有数据集；车辆检测模块引入CBM模块，提出ALCSP模块，进一步使用轻量化卷积，并使用Soft‑NMS来过滤候选框，据此构建改进的YOLOv5网络模型，实现对车辆目标的检测；之后车辆跟踪模块使用改进的DeepSORT跟踪算法实现对车辆的跟踪，在卡尔曼滤波算法中增加速度参数分量和使用GIOU提高预测框的精度，优化跟踪的性能；结合虚拟线圈检测法，搭建车流监测系统，实现对实际车流的监测，将实际交通视频输入车流监测系统，完成对实际车流信息的监测任务。本申请具有检测精度高和模型尺寸小的优点，能够满足实际应用中对车流的监测需求。

本发明授权一种基于深度学习的道路车辆检测与跟踪方法在权利要求书中公布了：1.一种基于深度学习的道路车辆检测与跟踪方法，其特征在于，车流监测系统包括车辆检测模块、车辆跟踪模块以及检测线模块；所述车辆检测模块使用改进的YOLOv5目标检测算法实现对车辆目标的检测，之后车辆跟踪模块使用改进的DeepSORT跟踪算法实现对车辆的跟踪，当跟踪车辆通过设置的检测线模块，实现对车流信息的感知，具体包括以下步骤：步骤1、获取实际道路下包含车辆的图片，对原始图像进行标注和数据扩充预处理，并划分数据为训练集和验证集；步骤2、对YOLOv5目标检测算法主干网络部分进行改进，引入CBM层，所述CBM层是指由卷积层、BN层和Mish激活函数组成的特征提取单元；提出ALCSP层，所述ALCSP层以空间注意力机制模块和卷积层为基础，引入CBAM空间注意力模块；使用MobileNet轻量化卷积，最终在ALSCP层的输出阶段，增加CBM层；针对在交通目标检测任务，交通目标漏检的问题，使用Soft-NMS来过滤候选框，据此构建改进的YOLOv5网络模型，用于预测车辆信息；步骤3、使用步骤1得到的训练集，训练改进的YOLOv5网络模型，直到模型收敛，得到车辆检测模块；步骤4、对DeepSORT多目标跟踪算法改进；在卡尔曼滤波算法中增加速度参数分量并使用GIOU；据此构建改进DeepSORT车辆跟踪算法，用于跟踪实际车辆运动信息；步骤5、使用步骤1得到的训练集，根据改进的DeepSORT多目标跟踪算法，得到车辆外观提取特征的卷积网络，直到模型收敛，得到车辆跟踪模块；步骤6、根据实际交通视频的角度和高度，设置检测线模块位置，将实际交通视频数据输入改进后车流监测系统，完成车流监测任务；其中，步骤2具体方法为：步骤2-1、神经网络模块设计，改进的YOLOv5模型包括特征提取模块和特征融合模块，将实际的道路图片经过特征提取模块处理，输出包含不同语义的特征信息，在特征提取模块将不同层次的特征进行融合，最终得到四种尺寸的特征信息输出，之后进入后处理阶段，对输出的特征图进行过滤，得到实际的检测结果；步骤2-2、特征提取模块设计，所述特征提取模块包括FOCUS层、CBM层、ALCSP层、SPP层；输入图像首先经过单层FOCUS层，之后通过由CBM层和ALCSP层串联堆叠的模块，该模块有2层，得到浅层特征X1；浅层特征X1依次经过第3个CBM层和第3层ALCSP层串联的模块，得到进一步的特征X2；将特征X2依次经过第4个CBM层、SPP层、第4个ALCSP层，得到深层特征X3；步骤2-3、特征融合模块设计，所述特征融合模块包括上采样层、拼接层、CBM层以及ALCSP层；将特征X3经过第5个ALCSP层得到特征X4；特征X4通过第1个上采样层后与特征X2经过第1个拼接层得到特征X5；特征X5依次经过第5个ALCSP层、第6个CBM层，得到进一步融合特征X6；进一步将融合特征X6特征经过上采样层和浅层特征X1经过第2个拼接层融合，得到特征X7；将特征X7输入第6个ALCSP层得融合特征X8，将特征X7经过第7个CBM层后与特征X6输入到第3个拼接层，得到输出与第8个CBM层进一步拼接，得到融合特征X9；将第3个拼接层的输出和第8个的CBM层特征X4拼接，再通过第7个ALCSP层进一步特征提取，得到最终融合特征X10；4种不同尺寸的融合特征X6、X8、X9、X10；其中，CBM层的组成单元为卷积层、BN层和Mish激活函数层；在CBM层中，输入依次经过不同大小的卷积层和BN层和Mish激活函数层，提取特征并对特征归一化处理；在检测算法中，使用两种不同尺度的CBM层，区别在于卷积层的卷积尺寸不同；ALCSP层是特征提取模块的核心，所述ALCSP层融合CBM层和CA注意力机制，同时使用MobileNet轻量化卷积来减小模型尺寸，将输入特征分为两路经过ALCSP层，第1路只经过卷积层，第2路经过CBM层、MobileNet轻量化卷积层和卷积层，将两路的特征输出经过拼接层，之后进一步BN层、Mish层和CBM层进一步处理，得到输出特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。