原文传递
基于语义分割的驾驶员安全带检测算法研究
| 论文题名： | 基于语义分割的驾驶员安全带检测算法研究 |
| 关键词： | 驾驶员;安全带检测;监控视频;语义分割;神经网络;边缘算子;注意力机制 |
| 摘要： | 在道路监控中，佩戴安全带能够很大程度上保护驾驶员的生命安全。交通部门大多采用人工的方式来对道路监控中的视频进行甄别，这种方式效率低下且难以普及。通过卷积神经网络学习安全带的特征进而识别安全带已经成为必然的趋势，这样能够给交通部门的执法带来很大的便利，同时也能够有效唤醒人们开车时佩戴安全带的意识。然而在实际应用中，由于安全带本身目标小、不规则的特性，只使用目标检测网络很难进行有效识别。本文针对这一问题采用了语义分割算法，在送入分割网络之前先通过SSD目标检测网络提取特征明显的车窗特征，然后再提取车窗里的驾驶员，最后通过语义分割网络分割安全带来达到检测安全带的目的。具体研究内容如下： （1）在进行数据预处理之后，本文提出一种结合UNet网络和Canny边缘算子的语义分割算法。首先将Canny边缘算子和残差网络结合设计了Res-Canny模块，然后将Res-Canny模块加入到UNet的编码层当中。为了保证硬件资源的有效利用，设计了两种不同添加方式的UNet-Canny网络来寻找最后的添加方式。最后将得到的UNet-Canny网络和其他分割网络进行对比试验，具有最高的准确率，表明了该算法的有效性。 （2）为了获得更好的检测效果，本文在更优秀的分割网络DeepLabv3+上进行改进，通过分析网络中ASPP结构的不足，改变了卷积核的形式，引入可变形卷积。同时为了更好的利用提取到的有效特征，在改变卷积核的基础上添加了通道域注意力机制，设计了DSPP-CAM的结构。然后将改进的DeepLabv3+网络和原网络进行了对比，表明改进的有效性。最后将改进的DeepLabv3+网络和其他分割网络进行对比试验，最高的准确率表明了网络的可行性。 |
| 作者： | 彭方达 |
| 专业： | 复杂系统的数学理论与技术 |
| 导师： | 宋长明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中原工学院 |
| 学位年度： | 2022 |
检索历史
应用推荐
