声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1668/N
国际刊号：1671-7775
发布日期:
作者：朱宝全,马长旺,赵强,唐佳乐
单位：东北林业大学 机电工程学院， 黑龙江 哈尔滨 150006
关键词： 目标检测 ,目标跟踪,行为识别,YOLOv5,LSTM
基金：国家重点研发计划项目( 2017YFC0803901)； 中央高校基本科研业务费专项资金资助项目（2572016CB18）
针对传统方法对前方车辆行为识别存在实用性差、识别率较低的问题，提出一种基于LSTM网络模型的前方车辆行为识别方法.车辆检测过程中，由于远场景车辆目标及遮挡目标特征提取困难，导致出现错检、漏检，基于YOLOv5改进的复杂背景下的车辆检测算法YOLOv5-BA，通过引入加权双向特征金字塔网络(BiFPN)特征融合方法，并在检测部分引入自适应特征融合模块ASFF来提高检测性能.经验证，改进的算法在KITTI数据集上检测精度达到了97.3%，检测精度较高.在此基础上，结合DeepSort算法实现车辆的检测与跟踪，然后基于LSTM网络构建前方车辆行为识别模型，模型在数据集上的识别平均准确率为92.3%，可用于车辆行为识别的实际应用.
来源：2026年第2期
《江苏大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。