深度学习在驾驶员安全带检测中的应用
安全带是保障驾驶员安全最有效的措施之一,我国法律明文规定驾驶员驾驶车辆时必须佩带安全带.目前,驾驶过程中安全带佩带的识别以人工筛查为主.随着汽车数量的飞速增加,传统的检测方式已无法满足交通管理的需求,实现安全带检测的自动化处理已成为当前交通系统亟需解决的问题之一.文中设计了一种驾驶人是否佩带安全带的识别系统.首先,通过车牌与车窗位置之间的几何关系进行车窗粗定位;其次,利用霍夫变换检测车窗的上下沿,并利用积分投影变换检测车窗的左右边界,将检测到的图片对半划分,得到驾驶员的粗略位置;最后,基于加入空间变换层的深度卷积神经元网络方法进行安全带的识别分析.针对10000张不同卡口、不同时段实时采集的图片进行实验,结果表明该方法能有效地识别驾驶人是否按规定佩带安全带,且综合识别率相比现有方法有显著提高.
深度学习、安全带检测、空间变换神经网络、车窗边缘检测
46
TP27(自动化技术及设备)
国家自然科学基金面上项目61872407,61572167;安徽省科技强警计划项目1604d0802018;合肥工业大学 2017 年国家级大学生创新训练计划项目201710359067;科技部国际合作项目2015DFA11450;广东省省级科技计划项目2016B010108002
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
182-187