YOLOv8-EVdet：一种面向自动驾驶车辆的应急车辆检测方法

《International Journal of Advanced Robotic Systems》：YOLOv8-EVdet: An emergency vehicle detection method for autonomous vehicles

　　

本研究提出了一种基于深度学习（Deep Learning）的方法，用于在各种驾驶条件下进行应急车辆（Emergency Vehicle, EV）检测与分类。传统的基于视觉的方法通常在光照不足、运动模糊以及周围车辆造成的遮挡情况下表现不佳，导致检测不准确，进而可能延缓应急车辆的响应。为应对这些挑战，研究人员提出了一种改进的目标检测算法，旨在不同的交通和环境条件下可靠地识别应急车辆。鉴于现有数据集对应急车辆类别的覆盖有限，研究人员额外提供了一个自定义数据集，其中包含具有挑战性的视觉和交通场景中的多样化应急车辆类别。训练过程涉及广泛的数据增强和微调（Fine-tuning），以确保对遮挡、弱光照和多样化背景的鲁棒性。所提出的方法在自定义EVdet数据集上进行了评估，在三次独立训练运行中实现了0.782 ± 0.006的mAP@50平均精度（mean Average Precision at IoU 0.5），证实了训练稳定性。在nuImages和EMS3D-KITTI上的跨数据集评估证明了其对未见领域的泛化能力。此外，与四个COCO预训练基线模型（YOLOv5m、YOLOv8m、YOLO11m、RT-DETR-L）的零样本（Zero-shot）对比显示，通用检测器在所有应急车辆类别上的mAP均为0.0，从而确立了任务特定微调的必要性；配对bootstrap和Wilcoxon符号秩检验证实，相较于所有基线的改进具有统计学显著性（p < 0.01）。

**研究背景**

应急车辆（Emergency Vehicle, EV）如救护车、消防车和警车的及时有效通行，对于在危急情况下挽救生命和减少伤害至关重要。现代自动驾驶系统（Autonomous Driving System, ADS）在可靠感知应急车辆的视觉与听觉线索方面仍面临显著挑战。已有多个记录在案的案例表明，自动驾驶车辆（Autonomous Vehicle, AV）曾阻碍应急作业、阻塞应急路线或在活跃场景附近行为异常，例如旧金山当局记录到55起自动车辆干扰应急作业的事件。现有基于视觉的应急车辆检测（Emergency Vehicle Detection, EVD）方法通常在大规模通用数据集（如ImageNet、MS COCO）上训练，这些数据集缺乏显式应急车辆类别，导致提取的特征无法充分捕捉应急车辆的独特视觉特征，检测与分类阶段之间出现不一致，整体识别可靠性降低。目前缺乏面向应急车辆的专业化高质量数据集，构成了重要的研究空白；此外，现有方法普遍面临遮挡、低照度、高交通密度下可靠性下降、音频方法无法提供空间定位、多模态方法计算开销过大难以实时部署等局限。上述挑战促使研究人员开展本研究。

**研究内容与意义**

针对上述挑战，研究人员构建并公开了专门的数据集EVdet，包含13,953张经过质量控制的图像，涵盖九个车辆类别（包括五个应急车辆类别），在异构光照、天气、遮挡和交通密度条件下采集。在此基础上，研究人员提出了基于YOLOv8-m的实时应急车辆检测方法YOLOv8-EVdet，通过选择性骨干冻结、重新设计的九类检测头以及系统化超参数优化实现领域自适应迁移学习。该方法在EVdet数据集上取得了0.782 ± 0.006的mAP@50，在nuImages和EMS3D-KITTI上的跨数据集评估证明了其对未见领域的泛化能力。与四个COCO预训练基线的零样本对比表明，通用检测器在所有应急车辆类别上均取得0.0 mAP，确立了任务特定微调的必要性。该研究发表于《International Journal of Advanced Robotic Systems》。

**关键技术方法**

主要方法包括：（1）构建EVdet数据集：从公开行车记录仪视频中以帧步长10提取帧，经模型辅助标注与人工精修及多阶段质量筛查，最终保留13,953张图像。（2）基于YOLOv8-m的领域自适应迁移学习：选择性冻结骨干层（第0至9层），替换为九类检测头。（3）14种Albumentations变换增强管线，其中ConstrainedCoarseDropout针对应急车辆边界框执行类别条件遮挡模拟。（4）四轮超参数搜索（每轮10次试验）以及AdamW优化与余弦退火调度。

**实验结果**

4.1 实验与部署设置：在NVIDIA A100-SXM4-40GB GPU上训练，输入分辨率1024×1024，150个epoch，最佳权重出现在约第103个epoch。

4.2 评估指标：模型总体mAP@50为0.776；在置信度约0.43处F1分数最大化；定性结果验证了夜间、模糊、眩光、密集交通及遮挡场景下的可靠检测。

4.3 消融研究：九项训练实验表明，全冻结仅达0.479 mAP@50，骨干冻结提升至0.732；无增强配置的性能上限为0.730–0.756；完整配置（骨干冻结+AdamW+余弦调度+1024分辨率+14变换增强）达到0.776，其中增强管线贡献+10.5个百分点，冻结策略贡献+25.3个百分点。

4.4 对比结果：与IoT-YOLOv8（mAP@50=0.5）、智慧城市YOLOv8（0.491）及基于警报器检测的YOLOv8-n（0.771）相比，YOLOv8-EVdet以0.776的mAP@50和0.536的mAP@50–95表现最优。

4.5 COCO预训练基线对比：在EVdet、EMS3D-KITTI和nuImages三个数据集上，四个COCO预训练模型（YOLOv5m、YOLOv8m、YOLO11m、RT-DETR-L）在所有应急车辆类别上均取得0.0 mAP，而YOLOv8-EVdet在EMS3D-KITTI上对EMS和警车分别取得0.305和0.13的mAP@50，在nuImages上对警车和EMS分别取得0.44和0.17。

4.6 统计分析：使用三个随机种子（17、42、1234）重新训练，mAP@50均值0.782、标准差0.006；配对bootstrap和Wilcoxon符号秩检验确认相较于所有基线的改进具有统计学显著性（p < 0.01）。

4.7 错误分析与失败案例：在部署工作点（置信度≥0.43，IoU≥0.5）下，错误集中于视觉相似类别间的混淆（如truck→car共103例，police→car共64例）；46.4%的小尺寸目标被漏检，最暗亮度四分位数中EV漏检率达21.9%，眩光条件下为16.1%。

4.8 计算复杂度：模型参数量25.9M，1024²分辨率下GFLOPs为202.5，CPU延迟154.6±7.1ms；RT-DETR-L延迟为提出模型的3.5倍，验证了零推理成本增加的设计优势。

4.9 实际部署挑战：恶劣天气、传感器故障、区域外观差异及多传感器融合是部署中需考虑的关键因素；所提出的检测器在自动驾驶硬件上留有充足计算余量。

**讨论与结论**

讨论部分指出，选择性骨干冻结策略比全特征提取更为有效，14变换增强管线贡献了最大的单项性能增益；四个最先进的COCO预训练检测器在三个数据集上对所有应急车辆类别均取得零mAP，表明任务特定数据与微调不可或缺；三种子验证确认了训练过程对随机初始化具有鲁棒性。结论部分：本研究提出了YOLOv8-EVdet，一种面向自动驾驶和智能交通管理的实时应急车辆检测系统。该系统通过训练层面的适配（选择性骨干冻结、自动化超参数优化、领域特定增强）实现性能提升，完全保留标准YOLOv8-m网络的推理成本，从而维持实时可部署性。