摘要最近,使用深度学习和低计算的边缘设备用于分析基于视频的系统,尤其是在智能运输系统(ITS)的领域中,大幅增加了。在其开发低计算和准确的车辆计数系统中,计算机视觉技术的一种有希望的应用是可以用来消除对外部云计算资源的依赖性的。本文提出了一种紧凑,可靠和实时的车辆计数解决方案,该解决方案可以在低计算需求边缘计算设备上部署。该系统使用自定义的车辆检测算法,基于您仅查看一次版本8 nano(Yolov8n),并结合了深层关联度量标准(DeepSort)对象跟踪算法和有效的车辆计数方法,可在高速公路场景中准确计数车辆的准确计数。该系统经过训练,可以检测,跟踪和计算四个不同的车辆类别,即:汽车,摩托车,公共汽车和卡车。所提出的系统能够达到平均车辆检测平均平均精度(MAP)分数为97.5%,车辆计数精度得分为96.8%,平均速度为每秒19.4帧的平均速度(FPS),同时均被部署在紧凑型NVIDIA NVIDIA JETSON JETSON NANO NANO EDGE计算设备上。就准确性和速度而言,所提出的系统优于其他先前提出的工具。©(2024),(艾哈迈德·达兰大学)。保留所有权利。
教学•学士讲座 /研讨会:✓中东的政治经济学(研讨会)(也适合MA Powo)。WS✓中间政治经济学的定量方法(研讨会)。WS。•M.Sc.讲座 /研讨会:✓参照MENA(讲座)的经验发展经济学。WS。✓人口过渡,经济增长和政治稳定(研讨会)。