基于卷积神经网络的驾驶员检测和安全带识别

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.

关键词：驾驶员检测、安全带识别、卷积神经网络

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61462018;广东省数学教育软件工程技术研究中心开放基金LD16124X;广西学位与研究生教育改革项目JGY2014060;桂林电子科技大学研究生教育创新计划2016XWYJ09

在线出版日期：2019-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：211-217