基于卷积神经网络的驾驶员检测和安全带识别

作者：詹益俊; 陈光喜^*; 黄勇; 王佳鑫; 吕方方

来源：桂林电子科技大学学报, 2019, 39(03): 211-217.

DOI：10.16725/j.cnki.cn45-1351/tn.2019.03.009

• 驾驶员检测
• 安全带识别
• 卷积神经网络

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。

• 单位
  桂林电子科技大学; 广州大学