基于改进YOLOv4算法的疲劳驾驶检测

• 作者: 李昭慧 张玮良
• 来源期刊: 电子测量技术
• 关键词: 深度学习 YOLOv4 疲劳驾驶检测 迁移学习 空洞卷积
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 73-78
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2106669

摘要

提出一种基于深度学习的改进YOLOv4算法的疲劳驾驶检测.首先通过使用迁移学习将VOC数据集已训练好权重作为预权重进行训练,其次在训练中将框架中的特征金字塔SPP结构前后增加卷积,提高框架对深层特征的提取,再引入空洞卷积技术在不损失图片信息情况下增加卷积输出感受野,增加图片位置信息的获取能力.实验结果表明,改善后的YOLOv4算法在测试中mAP值达到97.29％,相较原YOLOv4算法提高了1.98％,其中对眼睛部位的检测提高了6％.并在检测中加入时延判定,避免其他行为影响结果,使误判概率大大减小.