原文传递
基于优化卷积神经网络的驾驶员吸烟状态识别算法研究
| 论文题名： | 基于优化卷积神经网络的驾驶员吸烟状态识别算法研究 |
| 关键词： | 驾驶员;吸烟行为;目标识别;图像处理;卷积神经网络 |
| 摘要： | 鉴于行车过程中驾驶员的吸烟行为严重影响行车安全，特别是驾驶“两客一危”的车辆，驾驶员行车过程中的吸烟行为会造成更加严重的后果。目前，相比于普通禁烟手段，智能监控手段具有远程监控、实时监控、处理及时等特点。通过实时驾驶员图像监控的手段识别检测行车过程中的吸烟行为来对驾驶员进行控烟是一种行之有效的方法。而针对吸烟行为的检测识别，现有的研究多集中在基于吸烟动作或烟雾特征进行的检测识别，这些方法很容易因一些特殊情况导致检测识别的准确率低，而且易造成误判情况的发生。 针对上述情况本文利用车载平台采集的驾驶员行为图像，通过改进Mask R-CNN算法提高对驾驶员面部图像中香烟的识别检测，进而提高识别的准确率、降低识别的误判率。本文首先对算法特征提取部分进行改进，将特征金字塔网络与空洞卷积进行结合构建新的网络结构FPN-D，并用该网络结构与原算法中特征提取部分的网络结构进行分类的实验对比，通过实验表明：文中FPN-D特征提取网络的准确率达到94.75%，比原算法中的特征提取网络提高7.25个百分点；网络的AUC（Area Under the Curve）值为95.6%，相较于原算法中的网络提高4.5个百分点。然后根据所研究的数据集特点，对算法RPN网络中锚框生成部分进行改进，使算法从指定的像素点开始生成锚框，该方法不仅有利于减少算法检测运行过程中生成的锚框数量，而且会减少算法对比筛选锚框所花费的时间，进而提高算法的识别检测效率。 文中通过对算法的改进来实现对驾驶员吸烟行为的检测识别，改进后的算法相比于原算法能够更好的识别出图像中香烟这一物体，由此来判断驾驶员在行车过程中是否存在吸烟这一不安全行为。Mask-RCNN算法整体改进后的实验表明：对图像中香烟识别的准确率均在94%以上，而且算法均能够标记出算法识别到的香烟形状，因此改进后的算法可以有效的检测识别出驾驶员面部图像中的香烟。 |
| 作者： | 赵海含 |
| 专业： | 计算机技术 |
| 导师： | 赵作鹏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国矿业大学(江苏) |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
