基于YOLO系列算法的无人机检测高速公路车辆目标性能分析.pdfVIP

◎三星推荐中国科技信息2025年第4期·CHINASCIENCEANDTECHNOLOGYINFORMATIONFeb.2025

基于YOLO系列算法的无人机检测

高速公路车辆目标性能分析

王泽宇 张 萌 刘海青

0背景

可实现度可替代度

由于高速公路具有全封闭、车速快和车流量大的特点，

交通管理极具复杂性。基于视频手段对高速公路的车辆目标

进行检测和识别，是实现高速公路智慧化管理的重要途径。

然而，受成本等因素影响，传统固定视频检测方式难以实现

高速路网全覆盖。随着低空经济的发展，无人机逐渐成为常

影响力真实度态化的人工辅助交通巡检管理手段。基于无人机视频对车辆

目标进行识别，进而开展一系列的交通事件分析和行为挖掘

等应用，辅助交通管理，可以有效提升高速公路管理自动化

行业关联度开放度和智慧化水平。

YOLO（YouOnlyLookOnce）作为单阶段目标检

测算法，凭借其速度快、模型结构简单等优势，在交通视

生态度创新度频分析中应用较为广泛。然而，在高速公路场景下，基于

YOLO的目标识别研究尚不完善，不同版本的YOLO算法

性能表现亦不明确。本文构建高速公路场景车辆样本集，对

YOLOv3~YOLOv8系列模型进行实验对比分析，并利用训

互交度持续度练时间、识别时间、精确度和系统资源开销等指标进行综合

行业曲线

评价。

1YOLO系列目标检测算法简介

自YOLOv1首次提出至今，YOLO系列算法在目标

检测领域中迅速崛起，并成为实时检测任务中的主流选择。

王泽宇张萌刘海青YOLO系列算法的快速发展从YOLOv1到YOLOv8，每

山东交通学院个版本都进行了不同程度的改进与优化，以应对更复杂的检

王泽宇（2000—），山东菏泽，硕士研究生，研究方向：测需求和更高的精度要求。YOLO系列算法发展历程的时间

智能交通。

通信作者：张萌线如图1所示。

YOLO将目标检测视为单一的回归问题，通过单一的神

基金项目：济南市高校院所自主培养创新团队项目