10.3969/j.issn.1673-629X.2020.05.007
基于改进CNN的公交车内拥挤状态识别
针对传统的视频图像处理方法对公交车内乘客拥挤状态的检测受运动阴影、动态背景及场景光照变化等因素的影响问题,提出了一种基于改进卷积神经网络VGG-16的公交车内拥挤状态识别方法.该方法在VGG-16的模型基础上,优化全连接层层数,使用迁移学习共享VGG-16预训练模型的各层权值参数进行训练.相对于文中的传统图像处理方法、AlexNet模型、GooleNet模型以及标准VGG-16模型,改进的VGG-16模型对公交车拥挤状态的识别准确率最高,识别精度能够达到96.1%.模型的损失值比标准VGG-16模型收敛得更快,模型表现得更加稳定.实验证明:改进后的VGG-16模型能够更好地提取公交内拥挤状态的特征,解决公交车内拥挤状态的识别问题.
图像识别、卷积神经网络、模型改进、VGG-16、公交车、拥挤状态
30
TP391.41(计算技术、计算机技术)
陕西省重点研发计划重点项目;教育部联合基金
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
32-37