基于YOLO和极限学习机的驾驶员安全带检测模型研究

• 作者: 李冠 田坤 赵卫东
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 安全带检测 YOLO 特征提取 极限学习机( ELM)
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 196-201
• 页数: 6页
• 分类号: TP391
• 字数: 4791字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.11.032

摘要

针对现有的驾驶员安全带检测算法存在的定位精度差、实时性低的问题,提出一种基于YOLO和极限学习机相结合的驾驶员安全带检测模型.利用YOLO网络快速定位主驾驶区域,提取主驾驶区域特征,传递给极限学习机,训练成一个安全带检测分类器.实验结果表明,与传统的安全带检测算法相比,该方法在驾驶员安全带检测中准确率更高,检测速度大大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冠	山东科技大学计算机科学与工程学院	16	397	7.0	16.0
2	赵卫东	山东科技大学计算机科学与工程学院	57	330	8.0	17.0
3	田坤	山东科技大学计算机科学与工程学院	1	1	1.0	1.0