道路交叉口交通信号灯变化市场控制系统

一、YOLOV5训练模型

1.1图像识别

图像处理技术的飞速发展推动了图像识别技术的产生和发展，并逐渐成为人工智能领域中重要的组成部分，当前图像识别已经被广泛应用到各个领域中，例如交通标志识别、地形勘察、人脸识别等。

图像识别：是人工智能的一个重要领域，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别原理主要是需处理具有一定复杂性的信息，处理技术并不是随意出现在计算机中，该技术的计算机实现与人类对图像识别的基本原理基本类似，在人类感觉及视觉等方面只是计算机不会受到任何因素的影响。

人类的图像识别都是依靠图像所具有的本身特征分类，然后通过各个类别所具有的特征将图像识别出来的，当看到一张图片时，我们的大脑会迅速感应到是否见过此图片或与其相似的图片。在这个过程中，我们的大脑会根据存储记忆中已经分好的类别进行识别，查看是否有与该图像具有相同或类似特征的存储记忆，从而识别出是否见过该图像。

计算机也采用同样的图像识别原理，每个图像都有它的特征，采用对图像重要特征的分类和提取，并有效排除无用的多余特征，抽出关键的信息，进而使图像识别得以实现。有时计算机对上述特征的提取比较明显，有时就比较普通，这将对计算机图像识别的效率产生较大影响。

1.2模型的下载与配置

YOLOV5是技术成熟的图像检测算法，其快速和适时的特性让其得到了广泛的应用。

本次作业采用了YOLOV5s网络进行训练，Yolov5s网络是Yolov5系列中深度最小，特征图的宽度最小的网络。

表 1 YOLOV5结构图

根据教程，我在github上下载yolov5的文件，并进行了Anaconda、pytorch与paddlepaddle环境的下载和安装。

图 2 YOLOV5文件

图 3 流程图

当所有的下载和安装完毕后，即可对路上的照片进行检测

二、使用YOLOV5技术对路口的照片进行检测

图 4 运行过程图

其能够检测出来路口的车辆以及行人总数。

表 5 运行过程图2

三、按照一定的规则生成结果

3.1规则

• 测算路口的大小

以车道的条数为依据，将路口划分为Ⅰ型路口（四个方向皆为单车道）、Ⅱ型路口（任意两个方向为双车道与任意两个方向为单车道）、Ⅲ型路口（四个方向都是双车道）、Ⅳ 型车道（四个方向都是三车道）、Ⅴ（四个方向都是四车道）。

提前在一张路口图片中进行车道的坐标标记，形成一个坐标框（坐标框的标记要求足够小），在这个坐标框中存在的最多的车辆数即为车道数量。之后，将车道数量提取出来，并经由判断程序输出车道的类型。

• 计算交通信号灯的通行时间

根据车道的类型和行人的数量计算交通信号灯的通行时间。

对于Ⅰ型路口，行人超过10，即开始在原有信号灯控制系统的基础上延长通行时间5秒，之后每增加15人延长5秒。

对于Ⅱ型路口，行人超过25，即开始在原有信号灯控制系统的基础上延长通行时间5秒，之后每增加15人延长5秒。

对于Ⅲ型路口，行人超过35，即开始在原有信号灯控制系统的基础上延长通行时间5秒，之后每增加15人延长5秒。

对于Ⅳ型路口，行人超过50，即开始在原有信号灯控制系统的基础上延长通行时间5秒，之后每增加15人延长5秒。

对于Ⅴ型路口，行人超过70，即开始在原有信号灯控制系统的基础上延长通行时间5秒，之后每增加15人延长7秒。

3.2 图像检测结果

图 6  图像检测结果

四、总结

在这次大作业中，我学习了YOLOV5的安装与使用，对目标检测数据集进行了检测，得到了一些结果，并自己制作了一份规则来帮助交通信号灯进行信号控制。这对我以后的学习打下人工智能的基础。