| 316 | 0 | 22 |
| 下载次数 | 被引频次 | 阅读次数 |
以车联网技术V2X为基础，提出了一种改进的卷积神经网络方法。首先采用改进的YOLOv8模型进行目标检测，并结合DeepSort算法进行多目标跟踪，从而提高检测的准确性和鲁棒性；引入了BRA注意力机制，解决检测速度问题；而针对遮挡和重叠目标的识别难题，引入了DCNv3进行可形变卷积模型。基于此，开发设计了一款智能小车。该小车包括基于信号灯状态的预警、碰撞预警、路口碰撞预警、人体检测预警以及车道线检测等五大功能。能够快速准确地识别障碍物，从而实现车辆与基础设施的实时信息交换，有效提升智能驾驶的安全性、高效性和舒适性，同时降低交通事故的发生率。
Abstract：This paper develops and designs an intelligent cart based on the Telematics technology V2X, incorporating the improved YOLOv8 target detection algorithm and DeepSort multi-target tracking algorithm. The cart includes five major functions, namely, early warning based on signal light status, collision warning, intersection collision warning, human detection realization, and lane line detection. It is able to quickly and accurately identify obstacles so as to realize real-time information exchange between vehicles and infrastructure, and effectively improve the safety, efficiency and comfort of intelligent driving and reduce the incidence of traffic accidents.
[1]何杰，马强.基于深度强化学习的C-V2X任务卸载研究[J/OL].计算机工程，1-11[2024-07-25].https://doi.org/10.19678/j.issn.1000-3428.0068425.
[2]刘晨光，陈云飞，陈建军，等.基于学习的V2V通信的协作感知[J].IEEE Wireless Communications Letters,2023,12(11):1831～1835.
[3]赵睿，李云，胡宏宇，等.基于V2I通信的交叉口车辆碰撞预警方法[J].吉林大学学报(工学版),2023,53(04):1019～1029.DOI:10.13229/j.cnki.jdxbgxb.20210764.
[4]贲伟，王宏善，蒋飞.5G V2X赋能车路协同系统[J].科技创新与应用，2024,14(17):10～14+20.DOI:10.19981/j.CN23-1581/G3.2024.17.003.
[5]刘治江，潘福全，宋夫才，等.基于V2X的隧道车路协同控制系统研究[C]// 中国公路学会，中国航海学会，中国铁道学会，中国航空学会，中国汽车工程学会.2024 世界交通运输大会(WTC2024)论文集(桥梁工程、隧道工程与轨道交通).青岛理工大学土木工程学院；青岛市交通规划设计院有限公司，2024:7.DOI:10.26914/c.cnkihy.2024.013180.
[6]王梦梅.基于YOLOv5+DeepSORT的实验室监控视频人流量检测及预警研究[J].电脑知识与技术，2023,19(29):23～25.DOI:10.14004/j.cnki.ckt.2023.1509.
[7]赵麒博，王梦梅，潘海英，等.基于改进YOLOv5和DeepSort的车道线检测方法[J].信息技术与信息化，2023(7):217～220.
[8]任朝阳，张平川，王梦冉，等.基于LoRa技术的果园物联网系统[J].物联网技术，2021,11(3):74～75+77.DOI:10.16667/j.issn.2095-1302.2021.03.021.
[9]高培，何栋炜.基于ESP32的无线数据采集系统设计[J].佳木斯大学学报(自然科学版),2021,39(1):134～139.
[10]刘宏利，王雨林，邵磊，等.基于检测框下边沿的单目视觉车辆测距研究 [J].计算机科学，2024,51 (S1):427～432.
[11]廖育荣，王海宁，林存宝，等.基于深度学习的光学遥感图像目标检测研究进展[J].通信学报，2022,43(5):190～203.
[12]邵延华，张铎，楚红雨，等.基于深度学习的YOLO目标检测综述[J].电子与信息学报，2022,44(10):3697～3708.
[13]陈业宏.基于YOLOv2目标检测算法和K210芯片的智能压板状态识别系统[J].电子制作，2024,32(02):67～71.DOI:10.16589/j.cnki.cn11-3571/tn.2024.02.005.
[14]章家义，龚圣辉，聂堃.基于人工智能的电力工程施工数据融合研究[J].科技创新与应用，2024,14(17):102～105.DOI:10.19981/j.CN23-1581/G3.2024.17.024.
基本信息:
DOI：
中图分类号:TP23;TP18
引用信息:
[1]王梦梅,李弘艺,任志勇,等.融合改进YOLOv8和DeepSort算法的智能小车设计与实现[J].湖北师范大学学报(自然科学版),2025,45(04):35-43.
基金信息:
江苏高校哲学社会科学研究一般项目(2023SJYB1166); 2025年度江苏省高校“青蓝工程”优秀青年骨干教师培养资助项目(培养对象：王梦梅); 江苏省大学生创新创业训练计划项目(202413988012Y); 科文学院‘人才项目’资助”; 2025年江苏本科高校“人工智能通识课题教学改革研究”专项课题(2025ZNT-20)