安途哨兵

一、主要研究内容

      （1）交通事故的识别与分类：项目基于改进的MobileNetV3模型对监控视频采集的交通事故（如追尾、侧翻、冲入绿化带、自燃等）进行识别分类。MobileNetV3是一种轻量化网络模型，其核心思想是深度可分离卷积，具有处理实时交通数据的快速处理和分析能力。在训练过程中，系统使用大量标注好的交通事故图像或视频数据作为输入，MobileNetV3通过学习从这些数据中提取有用的特征并进行分类。在实际应用中，MobileNetV3模型能够快速识别交通事故类型，提高监控系统的效率和准确性。

      （2）数据处理与特征提取：交通事故图片经过预处理步骤，缩放至模型所需的输入尺寸（224×224像素），接着进行归一化操作，将像素值转换到模型训练时所用的数据范围。图片数据会经过多个深度可分离卷积层，这些层由深度卷积和逐点卷积组成，将深度卷积的特征图和各通道关联起来。通过SE注意力机制对特征图的每个通道进行全局平均池化，生成每个通道的权重值。随着图片数据在网络中的前向传播，不同层次的特征会逐渐融合，捕捉图像中的多尺度信息，提高模型的鲁棒性。最终在MobileNetV3的尾部以一个1×1卷积层进行降维处理，将提取到的特征转换为最终的预测结果。

      （3）检测结果展示与可视化：通过多目标检测系统获取的检测结果，系统能够生成实时的交通事故检测报告，并对检测到的交通事故类型进行可视化展示。检测结果包括事故类型、预测得分和位置边界框，便于工作人员快速了解事故情况并采取相应措施。在实际操作中，输入图像会直接展示测试结果，输入视频则会逐帧进行检测并将测试结果逐帧展现，测试结果界面按照预测类型序号、预测得分和预测类型名称从上到下依次浮现在测试框的左上角

二、系统操作流程

1. 数据集准备：下载并准备交通事故图像数据集，通过删除图片单边过长、过短的图片和宽高比例不当的图片以及进行水平和垂直反转扩大数据集。
2. 数据集划分：将数据集按照2:8的比例划分为测试集和训练集。
3. 模型训练与测试：运行训练脚本对MobileNetV3模型进行训练，并通过测试脚本进行模型测试。
4. 检测结果展示：将检测结果以图像或视频形式展示，实时显示检测到的交通事故类型及其准确率。