基于卷积神经网络的驾驶员检测和安全带识别

• 作者: 吕方方 王佳鑫 詹益俊 陈光喜 黄勇
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 驾驶员检测 安全带识别 卷积神经网络
• 年，卷（期）: 2019,（3）
• 页码范围: 211-217
• 页数: 7页
• 分类号: TP391.41
• 字数: 4063字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-808X.2019.03.009

摘要

为了降低驾驶员检测算法的复杂度,提高安全带识别算法的准确率,提出了一种基于卷积神经网络的驾驶员检测和安全带识别的方法.通过减轻级联网络框架,调整特征训练比,尽可能快而多地生成驾驶员候选框,再利用深度特征差异、检测和边框校准之间的相关性,精确定位驾驶员位置.通过改进经典卷积神经网络,最大和平均池化层相结合,减少全连接,并通过特征批量化处理,减轻计算量,提高了安全带识别准确率.实验结果表明,与其他方法相比,驾驶员检测算法的综合评判标准平均增加了6.7％,安全带识别的准确率平均提高了3.4％,满足实时性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄勇	广州大学广东省数学教育软件工程技术研究中心	31	42	4.0	5.0
2	陈光喜	桂林电子科技大学广西图像图形智能处理重点实验室	82	455	12.0	16.0
3	詹益俊	桂林电子科技大学广西图像图形智能处理重点实验室	1	0	0.0	0.0
4	王佳鑫	桂林电子科技大学广西图像图形智能处理重点实验室	3	6	1.0	2.0
5	吕方方	桂林电子科技大学广西图像图形智能处理重点实验室	2	0	0.0	0.0