摘要：基于深度學(xué)習(xí)的車型識別系統(tǒng)用于識別不同類型的車輛，應(yīng)用YOLO V5算法根據(jù)不同尺寸大小區(qū)分和檢測車輛，并統(tǒng)計各類型數(shù)量以輔助智能交通管理。本文詳細介紹車型識別系統(tǒng)，在介紹算法原理的同時，給出Python的實現(xiàn)代碼以及PyQt的UI界面。在界面中可以選擇各種圖片、視頻進行檢測識別；可對圖像中存在的多目標(biāo)進行識別分類，檢測速度快、識別精度高。博文提供了完整的Python代碼和使用教程，適合新入門的朋友參考，完整代碼資源文件請轉(zhuǎn)至文末的下載鏈接。

完整代碼下載：https://mbd.pub/o/bread/ZJaXlZlx

參考視頻演示：https://www.bilibili.com/video/BV1yM411p7kq/

離線依賴庫下載：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

前言

????????智能交通系統(tǒng)是現(xiàn)代化交通的重要組成部分,是未來交通系統(tǒng)的發(fā)展趨勢。在智能交通中,車型的自動識別是一個重要的研究方向。其在停車場車輛管理、道路交通狀況監(jiān)管和車流量統(tǒng)計等眾多領(lǐng)域有著廣泛的應(yīng)用。針對交通視頻,車型識別系統(tǒng)主要利用圖像處理和模式識別技術(shù)來實時進行分析處理視頻監(jiān)控數(shù)據(jù)。

????????本系統(tǒng)基于YOLOv5，采用登錄注冊進行用戶管理，對于圖片、視頻和攝像頭捕獲的實時畫面，可檢測車型，系統(tǒng)支持結(jié)果記錄、展示和保存，每次檢測的結(jié)果記錄在表格中。對此這里給出博主設(shè)計的界面，同款的簡約風(fēng)，功能也可以滿足圖片、視頻和攝像頭的識別檢測，希望大家可以喜歡，初始界面如下圖：

????????檢測類別時的界面截圖（點擊圖片可放大）如下圖，可識別畫面中存在的多個類別，也可開啟攝像頭或視頻檢測：

???????? 詳細的功能演示效果參見博主的B站視頻或下一節(jié)的動圖演示，覺得不錯的朋友敬請點贊、關(guān)注加收藏！系統(tǒng)UI界面的設(shè)計工作量較大，界面美化更需仔細雕琢，大家有任何建議或意見和可在下方評論交流。

1.?效果演示

????????一款軟件的顏值和功能同樣重要，首先我們還是通過動圖看一下識別的效果，系統(tǒng)主要實現(xiàn)的功能是對圖片、視頻和攝像頭畫面中的車型進行識別，識別的結(jié)果可視化顯示在界面和圖像中，另外提供多個目標(biāo)的顯示選擇功能，演示效果如下。

（一）系統(tǒng)介紹

????????基于深度學(xué)習(xí)的車型識別系統(tǒng)主要用于不同尺寸類型的車輛識別，利用攝像設(shè)備采集的圖像、視頻或?qū)崟r畫面，應(yīng)用深度學(xué)習(xí)技術(shù)識別多種包括小型車、中型車、大型車、小型卡車、大型卡車等7種類型車輛，在軟件界面中標(biāo)記檢測框和車型類別，并可視化數(shù)量；軟件準(zhǔn)確定位檢測車輛并記錄在界面中顯示記錄結(jié)果，支持各個類型車輛數(shù)目、類別、置信度等結(jié)果可視化、展示和保存；軟件提供登錄注冊功能，可進行用戶管理。

（二）技術(shù)特點

???????? （1）檢測模型支持更換，模型采用YOLOv5訓(xùn)練；
???????? （2）攝像頭實時檢測車型，展示、記錄和保存識別結(jié)果；
???????? （3）可檢測圖片、視頻等文件，統(tǒng)計結(jié)果實時可視化；
???????? （4）支持用戶登錄、注冊，檢測結(jié)果可視化功能；

（三）用戶注冊登錄界面

????????這里設(shè)計了一個登錄界面，可以注冊賬號和密碼，然后進行登錄。界面還是參考了當(dāng)前流行的UI設(shè)計，左側(cè)是一個LOGO圖，右側(cè)輸入賬號、密碼、驗證碼等等。

（四）選擇圖片識別

????????系統(tǒng)允許選擇圖片文件進行識別，點擊圖片選擇按鈕圖標(biāo)選擇圖片后，顯示所有識別的結(jié)果，可通過下拉選框查看單個結(jié)果，以便具體判斷某一特定目標(biāo)。本功能的界面展示如下圖所示：

（五）視頻識別效果展示

????????很多時候我們需要識別一段視頻中的多個車輛，這里設(shè)計了視頻選擇功能。點擊視頻按鈕可選擇待檢測的視頻，系統(tǒng)會自動解析視頻逐幀識別多個車型，并將車型的分類和計數(shù)結(jié)果記錄在右下角表格中，效果如下圖所示：

（六）攝像頭檢測效果展示

????????在真實場景中，我們往往利用道路的攝像頭獲取實時畫面，同時需要對車型進行識別，因此本文考慮到此項功能。如下圖所示，點擊攝像頭按鈕后系統(tǒng)進入準(zhǔn)備狀態(tài)，系統(tǒng)顯示實時畫面并開始檢測畫面中的車型，識別結(jié)果展示可見本人視頻。

2.?車型數(shù)據(jù)集及訓(xùn)練

（一）YOLOv5模型簡介

????????本文借助YOLOv5實現(xiàn)對不同大小車輛的類型進行識別，YOLOv5的調(diào)用、訓(xùn)練和預(yù)測都十分方便，并且它為不同的設(shè)備需求和不同的應(yīng)用場景提供了大小和參數(shù)數(shù)量不同的網(wǎng)絡(luò)。

????????YOLOv5模型是一個在COCO數(shù)據(jù)集上預(yù)訓(xùn)練的物體檢測架構(gòu)和模型系列，它是YOLO系列的一個延伸，能夠很好的用來進行車型的特征提取，其網(wǎng)絡(luò)結(jié)構(gòu)共分為：input、backbone、neck和head四個模塊，yolov5對yolov4網(wǎng)絡(luò)的優(yōu)點在于：在input端使用了Mosaic數(shù)據(jù)增強、自適應(yīng)錨框計算、自適應(yīng)圖片縮放； 在backbone端使用了Focus結(jié)構(gòu)與CSP結(jié)構(gòu)；在neck端添加了FPN+PAN結(jié)構(gòu)；在head端改進了訓(xùn)練時的損失函數(shù)，使用GIOU_Loss，以及預(yù)測框篩選的DIOU_nms。除了模型結(jié)構(gòu)，yolov5使用Pytorch框架，對用戶非常友好；代碼易讀；模型訓(xùn)練快速；能夠直接對圖像，視頻進行推理；能直接部署到手機應(yīng)用端；預(yù)測速度非?？臁oloV5模型詳解可以參照鏈接。

????????（1）主干部分：使用了Focus網(wǎng)絡(luò)結(jié)構(gòu)，具體操作是在一張圖片中每隔一個像素拿到一個值，這個時候獲得了四個獨立的特征層，然后將四個獨立的特征層進行堆疊，此時寬高信息就集中到了通道信息，輸入通道擴充了四倍。該結(jié)構(gòu)在YoloV5第5版之前有所應(yīng)用，最新版本中未使用。

????????（2）數(shù)據(jù)增強：Mosaic數(shù)據(jù)增強、Mosaic利用了四張圖片進行拼接實現(xiàn)數(shù)據(jù)中增強，優(yōu)點是可以豐富檢測物體的背景，且在BN計算的時候可以計算四張圖片的數(shù)據(jù)。

????????（3）多正樣本匹配：在之前的Yolo系列里面，在訓(xùn)練時每一個真實框?qū)?yīng)一個正樣本，即在訓(xùn)練時，每一個真實框僅由一個先驗框負責(zé)預(yù)測。YoloV5中為了加快模型的訓(xùn)練效率，增加了正樣本的數(shù)量，在訓(xùn)練時，每一個真實框可以由多個先驗框負責(zé)預(yù)測。

（二）車型識別數(shù)據(jù)集

????????這里我們使用的車型數(shù)據(jù)集，其中訓(xùn)練集包含1488張圖片，驗證集包含507張圖片，測試集包含31張圖片，共計2026張圖片。部分圖片和標(biāo)注情況如下圖所示。

? ? ? ? 每張圖像均提供了圖像類標(biāo)記信息，圖像中車型的bounding box，車型的關(guān)鍵part信息，以及車型的屬性信息，數(shù)據(jù)集并解壓后得到如下的圖片

? ? ? ? 該數(shù)據(jù)集分為7類，分別有小型車，中型車，大型車，小型卡車，大型卡車，油罐車，特種車。

????????我們分析一下數(shù)據(jù)集的組成結(jié)構(gòu)，第4類也就是小型卡車的的圖片最多，并且x,y坐標(biāo)主要集中在0.5，0.5的位置。

????????這里我們開始訓(xùn)練和測試自己的數(shù)據(jù)集，在cmd終端中運行train.py進行訓(xùn)練，以下是訓(xùn)練過程中的結(jié)果截圖。

????????在深度學(xué)習(xí)中，我們通常通過損失函數(shù)下降的曲線來觀察模型訓(xùn)練的情況。而YOLOv5訓(xùn)練時主要包含三個方面的損失：矩形框損失(box_loss)、置信度損失（obj_loss）和分類損失(cls_loss)，在訓(xùn)練結(jié)束后，我們也可以在logs目錄下找到生成對若干訓(xùn)練過程統(tǒng)計圖。下圖為博主訓(xùn)練車型類識別的模型訓(xùn)練曲線圖。

? ? ? ? 一般我們會接觸到兩個指標(biāo)，分別是召回率recall和精度precision，兩個指標(biāo)p和r都是簡單地從一個角度來判斷模型的好壞，均是介于0到1之間的數(shù)值，其中接近于1表示模型的性能越好，接近于0表示模型的性能越差，為了綜合評價目標(biāo)檢測的性能，一般采用均值平均密度map來進一步評估模型的好壞。我們通過設(shè)定不同的置信度的閾值，可以得到在模型在不同的閾值下所計算出的p值和r值，一般情況下，p值和r值是負相關(guān)的，繪制出來可以得到如下圖所示的曲線，其中曲線的面積我們稱AP，目標(biāo)檢測模型中每種目標(biāo)可計算出一個AP值，對所有的AP值求平均則可以得到模型的mAP值。

????????以PR-curve為例，你可以看到我們的模型在驗證集上的均值平均準(zhǔn)確率為0.992。

3.?車型檢測識別

????????在訓(xùn)練完成后得到最佳模型，接下來我們將幀圖像輸入到這個網(wǎng)絡(luò)進行預(yù)測，從而得到預(yù)測結(jié)果，預(yù)測方法（testVideo.py）部分的代碼如下所示：

????????執(zhí)行得到的結(jié)果如下圖所示，圖中車型的種類和置信度值都標(biāo)注出來了，預(yù)測速度較快。基于此模型我們可以將其設(shè)計成一個帶有界面的系統(tǒng)，在界面上選擇圖片、視頻或攝像頭然后調(diào)用模型進行檢測。

????????執(zhí)行得到的結(jié)果如下圖所示，圖中車輛的種類和置信度值都標(biāo)注出來了，預(yù)測速度較快?；诖四Ｐ臀覀兛梢詫⑵湓O(shè)計成一個帶有界面的系統(tǒng)，在界面上選擇圖片、視頻或攝像頭然后調(diào)用模型進行檢測。

????????博主對整個系統(tǒng)進行了詳細測試，最終開發(fā)出一版流暢得到清新界面，就是博文演示部分的展示，完整的UI界面、測試圖片視頻、代碼文件，以及Python離線依賴包（方便安裝運行，也可自行配置環(huán)境），均已打包上傳，感興趣的朋友可以通過下載鏈接獲取。

下載鏈接

????若您想獲得博文中涉及的實現(xiàn)完整全部程序文件（包括測試圖片、視頻，py, UI文件等，如下圖），這里已打包上傳至博主的面包多平臺，見可參考博客與視頻，已將所有涉及的文件同時打包到里面，點擊即可運行，完整文件截圖如下：

????在文件夾下的資源顯示如下，下面的鏈接中也給出了Python的離線依賴包，讀者可在正確安裝Anaconda和Pycharm軟件后，復(fù)制離線依賴包至項目目錄下進行安裝，離線依賴的使用詳細演示也可見本人B站視頻：win11從頭安裝軟件和配置環(huán)境運行深度學(xué)習(xí)項目、Win10中使用pycharm和anaconda進行python環(huán)境配置教程。

注意：該代碼采用Pycharm+Python3.8開發(fā)，經(jīng)過測試能成功運行，運行界面的主程序為runMain.py和LoginUI.py，測試圖片腳本可運行testPicture.py，測試視頻腳本可運行testVideo.py。為確保程序順利運行，請按照requirements.txt配置Python依賴包的版本。Python版本：3.8，請勿使用其他版本，詳見requirements.txt文件；

完整資源中包含數(shù)據(jù)集及訓(xùn)練代碼，環(huán)境配置與界面中文字、圖片、logo等的修改方法請見視頻，項目完整文件下載請見參考博客文章里面，或參考視頻的簡介處給出：???

完整代碼下載：https://mbd.pub/o/bread/ZJaXlZlx

參考視頻演示：https://www.bilibili.com/video/BV1yM411p7kq/

離線依賴庫下載：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

界面中文字、圖標(biāo)和背景圖修改方法：

????????在Qt Designer中可以徹底修改界面的各個控件及設(shè)置，然后將ui文件轉(zhuǎn)換為py文件即可調(diào)用和顯示界面。如果只需要修改界面中的文字、圖標(biāo)和背景圖的，可以直接在ConfigUI.config文件中修改，步驟如下：
????????（1）打開UI_rec/tools/ConfigUI.config文件，若亂碼請選擇GBK編碼打開。
????????（2）如需修改界面文字，只要選中要改的字符替換成自己的就好。
????????（3）如需修改背景、圖標(biāo)等，只需修改圖片的路徑。例如，原文件中的背景圖設(shè)置如下：

????????可修改為自己的名為background2.png圖片（位置在UI_rec/icons/文件夾中），可將該項設(shè)置如下即可修改背景圖：

結(jié)束語

????????由于博主能力有限，博文中提及的方法即使經(jīng)過試驗，也難免會有疏漏之處。希望您能熱心指出其中的錯誤，以便下次修改時能以一個更完美更嚴謹?shù)臉幼?，呈現(xiàn)在大家面前。同時如果有更好的實現(xiàn)方法也請您不吝賜教。