基于yolov3 v4 v5的电梯轿厢下的电动车目标检测

研究背景：
电动车这一类目标乘坐电梯危害巨大。其中，给人员，电梯，建筑造成很严重的安全隐患。
对人员来说，一旦人和电动车同时进梯，电动车发生爆燃，乘客无法承受，高温，烟雾的伤害。
对于电梯来说，电动车进入电梯，难免对电梯造成磕碰，会导致电梯产生运行故障，使电梯使用寿命减少。
对于建筑来说，电动车进入电梯上楼，会放置在楼道口，占消防通道，若发生火灾，人员无法逃生，建筑会受到损害。所以从上面几点可得，若是能够利用目标检测技术，对电梯内的电动车或其他异常目标进行检测，可以大大提高电梯运行效率，保证人员安全。
电动车这类目标检测的难点：
1:电动车这类目标进入电梯，呈现出来为俯视图，会有遮蔽现象出现，若数据集中图片分辨率不高，对十分影响目标检测的精度。实测，可以通过数据增强等手段，提高算法的鲁棒性。
2:检测电动车这类目标，是需要监控设备，设备的配置高低，会导致目标检测算法的速度也会不同。为保证乘客的乘坐体验，就要求我们必须做到实时性，所以考虑目标检测算法的时候，要保证检测速度。实测，用yolov4tiny,yolov5等算法，满足检测速度和精度的要求。上面这个检测图，是利用改进过后的v4tiny算法，测试得到的，大概总的精度可以达到90%。没有改进前，大概是80%，当然其中一部分原因，是数据集的分辨率还可以…






上面这几副图是检测视频中截取出来的图片序列，可以看出，所选定的算法虽然是对图片进行训练，但是在对于视频进行测试时，仍然可以对运动的、模糊的、遮挡的电动车目标仍然有较好的识别效果，且检测速度大概在20fps,满足检测速度要求。