10.3969/j.issn.1001-8360.2023.01.009
基于改进YOLOv5s算法的列车驾驶员手势识别
随着智能铁路的发展,人工智能技术得到广泛应用.通过深度学习对列车驾驶员手势实时检测,可提高检查驾驶员手势执行情况的效率,保证列车运行安全.针对现有手势识别算法识别精度低、检测速度慢、难以部署等问题,提出一种改进的YOLOv5s列车驾驶员手势识别算法.首先在原始主干网络的卷积操作之后添加CBAM模块,加强重要特征信息,抑制次要特征信息;其次在颈部网络中引入BiFPN模块,在不过多增加计算量的情况下,更好地实现多尺度特征融合;最后通过改进的K-means聚类算法生成适合本文数据集的先验框,更好地提升预测框精准度,加强模型的识别性能.实验结果表明,本算法在测试集上平均精确率均值为0.955,检测速度为71 FPS,网络模型所占内存为15.9 MB,验证了该算法具有识别精度高、检测速度快、模型内存占比小等优势,对于实现工程部署有重要意义.
CBAM模块、BiFPN模块、YOLOv5s算法、列车驾驶员、手势识别
45
TP391.4(计算技术、计算机技术)
甘肃省科技计划;兰州交通大学青年科学基金项目
2023-02-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
75-83