基于yolo11的车辆目标检测

I摘要城市化进程加速，交通堵塞和事故频发等问题日益突出。为了缓解城市道路管理压力，车辆目标检测与追踪技术应运而生，成为智能交通系统的关键环节之一。于是，本研究依托改进的YOLO11目标检测算法，构建了一套智能交通目标检测体系，主要开展的工作如下：（1）YOLO11算法在复杂交通场景中进行车辆检测时，难以达成高精度的检测要求，本研究在YOLO11算法的基础上，提出了经过改进的YOLO11目标检测算法。其一，在YOLO11的网络中添加CBAM（ConvolutionalBlockAttentionModule）通道-空间双维度注意力机制，通过特征权重动态调整强化关键特征的提取。其二，引入双向特征金字塔网络（BiFPN），把网络浅层所蕴含的细节信息与深层所包含的语义信息加以融合，对多维特征融合机制进行了优化。实验数据显示，相较于基线模型，改进后的YOLO11算法平均检测准确率提升了4.3%，召回率增长了4.6%。参数量仅增加9.3%，有效实现了检测精度和轻量化的平衡。（2）基于改进的模型利用PySide6完成设计智能交通车辆检测和追踪系统。本系统集成了图像检测、视频追踪、参数配置等功能模块，支持ByteTrack与BoT-SORT双算法动态追踪。经过多场景实验验证，本系统能够准确地进行车辆目标检测与轨迹追踪任务，并将检测过程与结果实时展现在系统界面中。关键词：车辆目标检测；YOLO11；空间注意力机制；多尺度特征融合

ABSTRACTUrbanizationisaccelerating,andproblemsliketrafficcongestionandfrequentaccidentsarebecomingmoreserious.Traditionalobjectdetectionalgorithmshavelimitationsinaccuracyandreal-timeperformanceundercomplextrafficconditions.Vehicledetectionandtrackingbasedondeeplearninghasbecomeanimportantpartofintelligenttransportationsystems.ThispaperpresentsanintelligenttrafficobjectdetectionsystembuiltonanimprovedYOLOv11algorithm.Themainresearchachievementsareasfollows:(1)YOLOv11hasdifficultiesachievinghigh-precisionvehicledetectionincomplextrafficscenarios.Tosolvethis,anenhancedYOLOv11algorithmisproposed.TheConvolutionalBlockAttentionModule(CBAM)isaddedtothenetwork.CBAMuseschannelandspatialattentionmechanismstodynamicallyadjustfeatureweightsandstrengthentheextractionofkeyfeatures.ABidirectionalFeaturePyramidNetwork(BiFPN)isalsointroducedtooptimizemulti-scalefeaturefusion,combiningshallowdetailinformationwithdeepsemanticfeatures.ExperimentsshowthattheimprovedYOLOv11increasesthemeanaverageprecision(mAP@0.5)by4.3%,improvestherecallrateby4.6%,andonlyincreasesthenumberofparametersby9.3%.Thiseffectivelybalancesdetectionaccuracyandmodellightness.(2)AnintelligenttrafficdetectionsystemisdevelopedusingPySide6.Itintegratestheproposedalgorithmandenablesimagedetection,videotracking,andparameterconfiguration.Thesystemincludesmodulesforreal-timevehicledetectionandtrajectorytracking,supportingtwodynamictrackingalgorithms(ByteTrackandBoT-SORT).Testsinmultiplescenariosprovethatthesystemcanaccuratelydetectandtrackvehicles.Itdisplaysreal-timeresultsontheinterface,providingapracticalsolutionforintelligenttrafficmanagement.Thisresearchpromotesthedevelopmentofvehicledetectiontechnologyincomplexenvironmentsandprovidesadeployableframeworkforintelligenttransportationapplications.KEYWORDS：Vehicletargetdetection;YOLO11;Spatialattentionmechanism;Multi-scalefeaturefusion;绪论1.1 研究背景与意义虽然近年来车辆检测跟踪技术取得了较大发展，但是在实际中还存在很多问题有待解决。由于每天有大量的车辆数据，汽车的速度非常快，在这种情况下人的肉眼很难看清楚到底是哪一个车牌，而传统的目标检测方法的检测准确率较低，并且只适应于固定的环境和单一的目标，对车辆等复杂的车辆检测效果较差且泛化性较差。为了监控各种情况下的车辆状态，需要通过检测跟踪技术来监测车辆，从而保证道路交通管控、行驶速度的有效性和避免出现交通事故等问题。将YOLOv11算法与注意力机制结合起来应用于车辆检测和跟踪当中，目的是为了突破现有的理论难点，YOLOv11是一种高效的目标检测算法，在速度和精度上均表现出非常优秀的性能。但是在处理较复杂的环境下的车辆检测跟踪方面还是存在一定的困难，利用注意力机制来改进目标检测与跟踪的理论缺陷，可以使相关领域的理论更加完备，为后续的相关技术的研究奠定基础。从实际运用层面分析，基于YOLOV11和注意力机制的车辆检测追踪系统有着广阔的运用前景与重要的现实意义。在智能交通系统方面，其可以给交通管理部门提供更多真实准确的交通数据，以实现更加及时有效的指挥调度；提高道路通行效率的同时还能进一步降低发生交通事故的可能性；除此之外，在自动驾驶领域中，可以为自动驾驶车辆提供更好的周围环境车辆检测追踪的数据，给车辆提供更多的可靠信息。另外还可以运用到停车管理以及物流配送等其他一些领域之中，在一定程度上也会进一步提高管理和服务的质量。本文采用基于YOLOv11注意力机制的车辆检测追踪系统，一方面提升网络检测精度，另一方面减少模型参数量和推理时间，达到使车辆检测性能以及实时性都满足交通场景目标检测严格要求的目的。1.2 国内外研究现状（一）传统的目标检测方法传统的目标检测算法在早期的研究和应用中已经形成。滑动窗口法通常被使用在候选区域选择阶段，但这种穷举法会产生大量冗余窗口，大大增加了计算复杂度。1998年，Papageorgiou等人[1]于1998年开创性地构建了无先验知识约束的可训练检测框架，为复杂场景目标识别提供了新范式；2001年，Viola[2]提出基于AdaBoost的目标检测器，利用检测步骤级联减少了在背景区域的计算资源消耗从而更聚焦于目标确认。2002年，Lienhart等人[3]提出基于级联方式的分类器，利用Haar特征进行检测，有效降低了模型的误检率。在特征提取阶段，由于目标背景和形态具有多样性，提取工作必须靠人工完成。然而，鲁棒特征的设计极其复杂，限制了特征提取的质量和传统目标检测算法的检测性能。2005年，Dalal等人[4]提出方向梯度直方图（HOG），通过局部区域梯度方向统计建模降低了光学形变等因素对特征提取过程造成的影响。2010年，Felzenszwalb等人[5]提出可变形部件模型（DPM），将复杂的目标问题转化为多个简单的子问题，选择HOG特征进行扩展，并结合SVM进行目标分类。经过训练的分类器会被用于分类提取的特征。在单类别的检测中我们仅需要区分目标和背景，但是在多类别检测过程中，则需要先识别目标类别，然后再区分前景和背景。其中，自适应增强（AdaBoost）[6]和支持向量机（SVM）[7]等分类器常用于提高分类速度。然而，传统的目标检测算法有很多缺点。在提取候选区域时，滑动窗口的使用大大增加了参数的数量和算法的复杂性；人工生成的特征鲁棒性较差，容易受到光线和天气等环境因素的影响。由于这些问题的存在，传统目标检测算法的检测效果难以满足实际需求，检测精度低，泛化和鲁棒性差，容易出现车辆漏检、误检现象，检测效率低，不符合车辆检测精度和实时检测的要求。（二）基于深度学习的目标检测方法传统的目标检测算法已经不适用于不断提高的车载目标检测要求，采用了深度学习的目标检测方法能够在无需人工设计的情况下自动地去学习图像特征再使用卷积神经网络（CNN）来完成特征提取的工作，该隐藏层的非线性运算可以更有效地提取特征信息。当前，深度学习驱动的目标检测技术主要存在两种类型，具体的分类和介绍如下：其一是二阶段方法，它将检测过程分为两个阶段，通过自主学习进行特征提取，并输出目标类别和位置等信息。Girshick团队2014年开发的R-CNN模型开创性地将CNN引入特征提取环节[8]，这种算法先利用选择性搜索获取可能存在目标的候选区域，接着将所得区域导入卷积神经网络模型进行特征的提取与分析，并使用SVM分类器对目标进行识别和分类，其准确率比传统算法提高了25%，促进了目标检测算法在深度学习领域的发展。但R-CNN存在计算量大、无法实时检测和精度损失等问题。2015年，何凯明团队提出的了SPPNet，通过金字塔池化结构将不同大小的特征图组合成固定大小的特征表示，检测效率比R-CNN提高了20倍[9]，解决了R-CNN中的计算问题。同年，Girshick团队提出了FastR-CNN[10]，采用ROIPooling结构将不同大小的ROI转换为相同大小，大大提高了推理速度，准确率提高了12个百分点[10]。2016年，提出了FasterR-CNN[11]，实现了RPN区域推荐网络，显著提高了检测帧生成速度，是首个性能最接近实时跟踪的泛在深度学习算法。任杰团队在FasterR-CNN中融合特征金字塔（FPN）与CIoU损失函数[12]；朱云飞等[13]引入Reasoning-RCNN，通过上下文感知模块降低遮挡场景误检率。其二是一阶段算法，它基于回归思想的目标检测方法，检测流程一步到位，直接从输入的图像中进行目标类别的判定与定位。2015年，Joseph等开创了YOLO模型用于实现端到端的实时目标检测任务。利用卷积网格进行图像变换、特征提取随后进行运算获得边界框中的物体类别和相应坐标。同年，Liu等人提出了SSD算法[14]，该算法结合了FasterR-CNN和YOLO锚定机制，解决了YOLO定位不准的问题，SSD算法在VOC2007数据集上以每秒58帧的速度在GPU上实现了72.1%的mAP。YOLOv2在YOLOv1的基础上增加了残差运算，以获得更深入、更准确的特征信息，并摒弃了限制输入特征大小的全耦合层，以提高网络的灵活性。对于一阶段目标检测方法，研究者们也提出了一些一阶段道路车辆检测方法，李靖宇等[15]提出了一种基于YOLOv3的智能驾驶场景下的车辆检测算法，该算法利用SPP网络，结合不同的局部区域特征尺度，获取更详细的车辆特征进行模型学习，并利用通道注意力增强重要的车辆特征信息；Zhou团队[16]利用焦点损失优化YOLOv3算法的损失函数，有效改善模型的误检问题；Zhao等人[17]在文献中中提出一种创新的SSD网络架构，通过特征金字塔增强策略（FPES）有效融合高层与低层特征信息，进而构建出改进版的SSD网络模型。此外，基于Transformer方法的目标检测方法也有一定的研究，Carion等人[18]提出DETR，首次将Transformer引入目标检测，将检测任务转化为集合预测问题，并将检测结果直接发送给Transformer解码器，简化了检测过程，提高了全局建模的精度；文中利用分层结构以及滑动窗口的Liu等[19]提出的Swin变换器，在目标检测领域表现出良好的性能及较强的泛化能力，且更适合应用于高分辨率图像。同时Bar等[20]提出的UP-DETR则是基于无监督预训练的目标检测，主要思想是用无监督的任务来学习图像特征表示，再将学习到的图像特征表示应用到目标检测之中。通过学习图像特征表示来实现检测任务能够大幅提升模型效果。虽然对于深度目标检测的训练已经取得了一定的发展，但是针对复杂交通场景还有很多问题没有解决，目前的车辆目标检测方法的精度是比较高的，但是与此同时也存在着复杂建模过程的问题，复杂建模也会引入大量的参数，在这样的情形下，计算量就会比较大，就会对检测率造成很大的影响。为了提升检测率，我们可能会简化建模结构，从而会减少检测精度，那么如何能够既不影响到检测精度，又不影响检测率，这就是未来道路车辆检测研究的重点。此外，在一些实际情况中，当远处的车辆体积较小的时候，在一些受阻条件下，距离目标比较远，造成了车辆目标过小，很容易就出现检测错误的情况。所以要想让车辆的目标检测模型达到最佳效果，就必须针对于此做一些工作才行。1.3 研究难点基于深度学习的车辆目标检测在实际应用里仍面临诸多挑战，主要体现为以下方面：在复杂场景适应性上：城市交通环境复杂多变会导致图像质量下降，传统算法容易出现漏检和误检问题。在小目标检测精度上：远距离车辆在图像中多表现为小目标，其有限特征信息让检测变得困难。UA-DETRAC-G2数据集中小目标占比达23.7%，提升对小目标的检测能力是亟待解决的问题。在实时性与精度平衡上：现有算法大多难以兼顾两者，像FasterR-CNN虽然精度较高但速度较慢，轻量级模型则可能会牺牲检测精度。在多尺度目标检测上：交通场景中车辆尺寸差异较大，从大型货车到小型轿车尺度变化显著，传统单一尺度的检测方法难以有效应对这种多尺度变化。在模型泛化能力上：不同城市、不同道路场景的交通特征差异较大，训练好的模型在新场景中可能出现性能下降情况。提高模型泛化能力使其适应多样化实际环境，是实际部署中的关键问题。1.4 论文内容与论文结构安排传统的车辆检测算法在复杂路况中存在实时性与精度等方面的问题，本文仔细研究了已有文献和已提出的检测算法并从精度和实时性这两方面作出改进。本文共分五章，具体的结构如下：第一章绪论：阐述研究的背景与意义，分析该任务的国内外研究现状，总结目前存在的研究难点。从智能交通发展的需求出发，论证车辆目标检测技术的重要性。第二章相关理论与技术基础：介绍与本研究相关的深度学习理论、卷积神经网络理论和目标检测任务相关算法的发展史。第三章基于YOLO11的车辆检测模型：提出融合注意力方法和多尺度融合机制的改进YOLO11方案，为了分析各模块的作用再进行消融实验来验证各改进模块的有效性。第四章基于PySide的车辆目标检测系统：介绍车辆目标检测与追踪系统的核心功能，展示算法在实际应用中的表现。第五章结论与展望：总结主要研究成果和创新点，分析当前研究的局限性，对未来研究方向提出建议，为后续研究提供参考。通过上述研究，本文将解决当前车辆目标检测算法在复杂场景下存在的精度不足、实时性差等问题，为智能交通系统提供更可靠的检测方案。相关理论与技术基础2.1深度学习基本原理2.1.1卷积神经网络卷积神经网络（CNN）被广泛应用于图像和视频等处理任务中，它的结构如图2.1所示。图2.1卷积神经网络图卷积层作为卷积神经网络的基本组成会利用不同大小的卷积核提取输入图像中的特征再进行线性运算。找到图像区域的局部乘积，根据滑动窗口的固定步长移动到下一步继续运算，以这种方式遍历整个图像。卷积神经网络与传统方法相比有参数共享和连接稀疏这两个优点，它们可以达到减少卷积层中的参数和降低网络的复杂度的效果，即便用不大的训练集也可以训练出来很好的神经网络。卷积层与池化层的共同任务是从图像中提取关键的特征信息并进行维度转换。它的功能是在遍历时先求出图像的局部区域内积，再以同样的步长进行下一步运算，从而完成对整个输入图像的遍历。卷积运算的过程如图2.2所示，其计算公式如下：图2.2卷积核卷积过程池化层的主要作用是对特征图进行维度转换。对于输入图像尺寸较大的情况，卷积神经网络通常会使用池化运算来消除冗余信息得到新的特征图。池化操作的过程如图2.3所示。图2.3池化操作过程与卷积层相比，池化层在生成输出特性方面有两个非常明显的优势。一是平移不变性，池化层的输出不会随着目标的轻微移动产生很大的变化；二是尺度不变性，即使目标大小稍有变化，池化层的输出特性依然稳定。利用这些特性，池化层能够降低特征维度从而简单后续的计算。2.1.2激活函数神经网络本质上是一种由大量相互连接的神经元组成的网络结构，在网络中没有激活函数的情况下，只能进行简单的线性变换，但线性模型的表现力极为有限，难以高效地学习和处理图像中的特征提取，激活函数能够执行非线性映射。以ReLU函数为例，其数学表达式如下：fReLU函数能够提高网络的收敛速度和解决梯度消失现象，它的曲线示意图如图2.4所示。图2.4ReLU函数曲线Sigmoid函数的输入值在0和1之间，常用于二分类问题的输出层，帮助模型做出分类决策。其表达式如下：fSigmoid函数曲线示意图如图2.5所示。图2.5Sigmoid函数曲线Tanh函数将输入值映射到-1和1之间，其输出以0为中心，可以有效地转换数据，使模型能够更好地捕捉序列中的特征和模式。其表达式如下：fTanh函数曲线示意图如图2.6所示。图2.6Tanh函数曲线2.2多目标检测基本方法目标识别算法在监控安全、自动驾驶、机器人及图像检索等领域发挥关键作用，其基本原理是利用深度学习技术从图像提取特征以实现目标分类和图像精确定位。目标定位与分类共同作用实现精确的目标检测分类。2.2.1二阶段目标检测算法双阶段目标检测算法通过两个连续处理环节实现核心检测功能。第一步进行特征提取获得特征图并生成一组候选特征作为目标位置的初始推测为后续精确搜索提供框架。第二步在候选框里面进行提取特征再通过分类器进行目标区分。因需两阶段调整，二阶段目标检测算法通常准确率较高，但存在检测效率低、计算成本高的问题。FastR-CNN优化了R-CNN的过程显著提升检测性能。该算法采用选择性搜索生成用于特征提取的候选帧，将整图输入卷积神经网络获取特征图，然后根据候选帧在图像中的位置，利用特征图中的ROI极化层提取各候选帧对应特征。这样就避免了对每个候选帧进行多次特征提取，从而大大减少了计算量。然而，由于选择性搜索算法的计算成本较高，检测速度的提高不够准确。FastR-CNN流程图如2.7所示。图2.7FastR-CNN框架图相较于FastR-CNN，FasterR-CNN通过集成区域建议网络（RPN），在原有架构上实现检测机制的革新。RPN完全在卷积网络中执行，不需要额外的计算资源，大大提高了候选区域生成的速度。FasterR-CNN的流程图如图2.8所示。图2.8FasterR-CNN流程图2.2.2一阶段目标检测算法两阶段目标检测算法因其检测精度高而具有独特的优势。然而，在实时性要求较高的场景中，两阶段目标检测算法由于复杂的多步处理，很难满足快速响应的要求。一阶段目标检测算法采用了回归的方法直接输出目标的区域，简化了创建候选框等繁琐的过程，直接分类感兴趣的区域，大大提升了检测到效率，其流程图如图2.9所示。图2.9一阶段目标检测算法流程图其中，YOLO系列算法与SSD算法以其成熟架构被广泛应用。(一)YOLO检测算法YOLO作为One-Stage算法彻底摒弃传统候选区域分割的检测模式，创新性地将分类问题转化为回归问题处理。检测时每幅图片仅需一次检测，即可获取图中对象及其位置信息，真正实现从输入原始图片到输出目标位置和类别的一站式操作。YOLO模型具备多方面显著优势：其一检测流程简洁无复杂多阶段处理，使YOLO目标检测速度极快，能满足高实时性场景需求；其二与其他需生成候选区域的检测算法不同，YOLO在训练和检测时可获取全图信息，从而更充分利用图片特征提升检测效果；其三该算法能从目标中学习通用特征，这些特征不仅适用于当前检测任务，还可应用于其他相关领域，具备良好的泛化能力(二)SSD检测算法SSD（SingleShotMultiBoxDetector）算法在目标检测中通过对不同大小特征图进行预测，采用端到端的训练方式。相较于FasterR-CNN算法，SSD去除了生成提议区域环节，通过直接输出对象类别及位置大大提高了模型的速度。虽然SSD算法拥有速度快、精度较高的优势，但也存在局限性。检测不具备高层级特征的小目标时，检测效果往往不理想，所以提升小目标检测能力是未来SSD算法改进的重要方向之一。ADDINCNKISM.UserStyle基于YOLO11的车辆检测模型3.1YOLO11网络架构YOLO将目标检测任务看作回归问题来处理实现大幅简化检测流程，其三个核心部分包括主干网络、颈部网络和头部，具体的介绍如下：BackBone作为主要特征提取器，将原始图像数据转化为多尺度特征图，由以下模块组成：

（1）ConvConv卷积模块是YOLO常用基础模块，卷积核大小和步长可灵活设计以满足不同特征提取需求。该模块在BackBone中广泛应用，用于初步特征提取并为后续模块提供基础特征信息。其简单高效的设计使其成为YOLO网络的核心组成部分，为整体性能提升奠定基础。

（2）C3k2

C3k2模块位于网络头部通道，用于处理不同深度的多尺度特征，有两个显著优势：使用两个较小卷积替代单个大卷积可减少计算开销，加快特征提取速度；作为CSP瓶颈的紧凑版本，其可训练参数数量更少、效率更高。该模块源自C3k，支持自定义内核大小，灵活性更强，有助于提取更详细的图像特征以提高检测精度。当C3k中n设为2时，即形成C3k2模块，结构图如图3.1所示。图3.1C3k2模块（3）C2PSAYOLOv10中提出的PSA模块通过自注意力机制增强特征表达能力，同时计算量较传统自注意力机制更小。其网络结构如图3.2所示，MSHA表示多头自注意力机制，FFN表示前馈神经网络。MSHA的多个注意力头会学习不同特征之间的关系和上下文信息并整合，使模型从多角度理解特征关联；在自注意力机制提取特征的基础上，FFN进一步通过非线性变换对特征进行优化处理。在原有C2模块上添加PSA旁路构成C2PSA模块，示意图如图3.3。图3.2PSA图相较于传统C2模块，C2PSA引入PSA机制，提升特征捕捉能力，增强模型对目标关键区域的注意力，处理复杂场景和遮挡物体时优势更明显。同时CSP结构减少计算量、加快推理速度，让模型在保持高精度的同时更轻量化高效，C2PSA模块如图3.3所示。图3.3C2PSA模块Neck部分负责特征融合，由以下两部分组成：

（1）Upsample

YOLO11中Upsample上采样操作采用最近邻插值，增大图像或特征尺寸以提升特征图空间分辨率，使模型捕捉更多细节信息，尤其在处理不同尺寸目标时，有助于保留骨干网络下采样过程中可能丢失的空间信息。

（2）Concat

Concat特征拼接操作将不同层或不同尺度的特征图合并，整合多尺度特征信息以助力网络在多尺度上高效执行目标检测任务。特征图调整至合适尺寸后，沿通道维度拼接。Head部分接收处理颈部的特征映射，将融合后的特征解码生成目标检测与分类的最终预测，输出目标的边界框和类别。3.2实验结果展示与分析3.2.1网络环境配置参数配置中央处理器(CPU)14vCPUIntel(R)Xeon(R)Gold6330CPU@2.00GHz图形处理器(GPU)RTX3090(24GB)系统内存30GB操作系统Windows10ProfessionalPython版本3.12(ubuntu22.04)PyTorch版本2.5.1CUDA版本12.43.2.2实验数据集本实验采用UA-DETRAC-G2数据集开展车辆检测与跟踪研究，它的高质量数据资源为自动驾驶和交通监控领域提供支持，每个车辆实例标注精确边界框等属性信息。该数据集标注质量高、边界框定位准确、类别标注清晰，涵盖城市道路、高速公路、乡村道路等多种场景及不同时间段交通状况，多样性可全面评估算法在不同环境下的表现。数据集具体类别分布如下表所示。类别训练集测试集说明car6,0471,001轿车、SUV等乘用车bus1,296589公交车辆van864306厢式货车others432136特种车辆（消防车、救护车等）本模型使用的训练集大小为8639，测试集大小为2231，将车辆类别分成四个类别，包括小轿车、公交车、厢式货车以及特种车辆等其他车辆，数据集的部分图片如图3.4所示。图3.4数据集的部分图片3.2.3评价指标（1）精度（Precision）：用于评估预测为正样本的预测框中真正的正样本所占的比例，反映了模型的识别精确性。（2）召回率（Recall）：用于指出所有真正样本中被正确识别出的比例，体现了模型对正样本的覆盖能力。（3）mAP@50：作为目标检测算法的核心性能指标，它的计算过程为：IOU阈值设为0.5时将每个类别的检测结果按置信度排序，计算精度-召回率曲线下面积单个类别的平均精度（AP），再对所有类别的AP取平均值得到mAP@50。（4）mAP@50-95：该指标以0.05为步长设定IOU阈值从0.5到0.95分别计算各个阈值下的mAP后取平均值，能够全面评估算法的性能。（5）每秒十亿次浮点运算（GFLOPs）：作为衡量硬件计算性能的核心指标，常用于评估深度学习模型的推理/训练速度。（6）参数量（Params）：指模型中可学习参数的数量，采用GFLOPs用于描述模型推理时所需执行的浮点运算数量。3.2.4消融实验YOLOv11n模型的实验结果如下类别PrecisionRecallmAP50mAP50-95all0.8730.8240.8650.775car0.8260.8070.8920.808bus0.9060.9120.972821van0.7450.7330.7650.722others0.7140.7430.830.76实验显示模型在复杂场景存在显著性能瓶颈：整体mAP50-95较mAP50差距8.0%，体现模型对边界框定位敏感度不足且小目标、遮挡场景检测能力较弱，根源在于背景干扰及多尺度特征融合效果不佳。（1）CBAM注意力机制改进密集车流中目标重叠使模型难聚焦局部特征，夜间低光照致车辆边缘特征被噪声掩盖，二者导致小目标及遮挡目标漏检率较高，研究采用CBAM注意力机制解决该问题。CBAM注意力机制含通道和空间两个模块：通道模块动态调整各通道权重，抑制背景噪声通道并增强车灯、车轮等关键语义通道权重；经其处理的特征图进入空间模块，空间注意力机制增强模型对树木遮挡车辆等遮挡目标的特征响应。两模块处理后特征图得到增强，模型关键信息识别能力显著提升并可自适应筛选特征。改进后的实验结果如下表所示。类别PrecisionRecallmAP50mAP50-95all0.8920.8410.8830.795car0.8430.8220.9080.825bus0.9180.9250.9780.838van0.7680.7520.7880.74others0.7320.760.8520.778实验结果显示，引入CBAM注意力机制后模型在复杂场景检测性能显著提升：整体mAP50提高1.8%，Van类小目标检测mAP50从0.765升至0.785，遮挡场景下Bus类Recall增加1.9%，有效解决Baseline中多尺度特征融合不足引发的漏检问题。小目标车辆如远处车辆漏检率或仍较高，因单一注意力机制融合多尺度特征能力存在局限。（2）多尺度融合机制改进YOLO默认的Concat操作仅简单拼接不同尺度特征图，未充分融合多尺度信息，导致小目标（远距离车辆）和密集排列车辆检测效果欠佳。本文在检测头部分采用BiFPN机制，通过双向特征融合加强浅层细节与深层语义特征交互，以此提升小目标检测能力。BiFPN为不同尺度特征赋予不同学习权重，改变平等处理所有特征的方式，使融合过程更贴合车辆尺度分布特点。实验结果如下表所示。类别PrecisionRecallmAP50mAP50-95all0.8850.8520.8760.788car0.8350.8180.90.818bus0.9150.9220.9750.83van0.7580.7480.780.735others0.7280.7780.860.785实验结果显示，others类别mAP50提高3.0%，Recall上升2.8%，成功检测出摩托车等特殊车辆。整体Recall提升2.8%，有效降低远距离车辆和密集场景下的漏检率。Van类别mAP50提升1.5%，加权特征融合提升了部分遮挡货车等中型目标的检测稳定性。Bus等大型目标的mAP50-95提高0.9%，实现车身车窗、车灯等局部结构更精确的定位。（3）整体改进BiFPN优化多尺度特征融合，有效解决小目标及密集排列车辆漏检问题，为模型提供更丰富多尺度特征。CBAM于其框架下进一步筛选高质量特征，二者协同提升检测召回率与准确率，实验结果如下表。类别PrecisionRecallmAP50mAP50-95all0.9120.870.9080.823car0.8650.8480.9280.85bus0.9350.940.9860.86van0.7980.780.8120.765others0.7680.8020.880.805实验结果显示，CBAM与BiFPN联合使用时模型mAP50为0.908，较Baseline提高4.3%，Recall提升至0.870、较Baseline增加4.6%。BiFPN提供高质量多尺度特征，CBAM进一步过滤冗余信息，Others类mAP50提升5.0%，Van类mAP50提升4.7%，体现出二者在复杂场景中的互补作用。消融实验的整体结果如下表所示：实验组CBAMBiFPNGFLOPsParam/MPrecisionRecallmAP50mAP50-95Baseline××6.32.580.8730.8240.8650.775CBAM√×6.52.620.8920.8410.8830.795BiFPN×√6.82.750.8850.8520.8760.788CBAM+BiFPN√√7.12.820.9120.870.9080.823改进模型的计算代价仅小幅增加，因此本文提出的YOLO11模型在精度、速度和轻量化三方面实现了有效平衡，为复杂道路场景下的车辆实时检测提供了可靠的解决方案。以下以视频里的车辆目标检测为例，目标检测效果如图3.5所示。图3.5目标检测效果图第四章基于PySide的车辆目标检测与追踪系统的搭建4.1系统概述本系统采用的车辆目标检测算法基于YOLO11架构，针对包含3类车辆及复杂背景样本的交通场景多目标数据集进行深度优化。系统界面端基于PySide6框架与OpenCV视觉库，实现图像和视频显示、用户交互及检测结果实时渲染功能。后台模型调用训练完成的YOLO11模型，对输入图像或视频进行处理。前端交互界面承担可视化任务，用户通过该界面上传本地图片或视频并传输至后台，后台模型调用深度学习模型完成目标检测与追踪后，把结果反馈至界面端展示并进行本地保存。4.2功能模块设计（1）图像检测模块用户能上传本地图片，系统通过用户界面接收文件并调用后台YOLO11模型开展智能分析。依托PyTorch深度学习框架，模型自动提取车身轮廓、车牌信息等车辆特征，精准识别车辆位置并标注边界框。检测结果通过OpenCV实时渲染，以默认1280×720的高分辨率在界面端显示，同步统计车辆类别和数量，支持一键将结果保存至本地文件夹。（2）视频追踪模块支持MP4/AVI格式视频上传或摄像头实时画面接入，检测阶段YOLO11快速定位画面中所有车辆目标，追踪阶段可从配置信息中选择ByteTrack或BoT-SORT算法，实现车辆移动轨迹持续跟踪。系统以蓝色边界框标注车辆，用红色轨迹线动态绘制行驶路径，实时显示各车辆ID、检测类别及结果置信度。（3）参数配置模块本模块支持灵活参数调节，用户可自定义检