基于深度学习的出租车司机违规行为检测

发布时间：2020-12-18 21:14

　　随着人们出行需求的不断增加,出租车以其方便、舒适、快捷的优势在人们的出行中扮演着至关重要的角色。但司机在驾驶过程中使用手机和吸烟严重威胁乘客的人身安全,同时也影响了乘车体验。目前,违规行为的检测主要是通过人工筛查的方式,但是由于疲劳或者走神等原因,无法保证筛查的持续性和可靠性,同时还耗费了大量的人力。本文利用图像处理技术实现出租车司机违规行为的实时自动检测,对于公众和监管部门都有着重要的意义。本文在详细分析和比较了当前深度学习目标检测算法基础上,构建了一种基于SSD（Single Shot Multibox Detector）目标检测算法的出租车司机违规行为的实时自动检测方法。首先,收集出租车场景下司机违规行为样本,经过筛选和预处理之后按照VOC2007数据集的格式进行标注,数据集包含手机和烟两类目标,共计10981张图片,标注工作完成后对数据集中目标的尺度和长宽比进行统计,为后续模型的搭建和训练奠定基础;然后,选用VGG16作为SSD算法的基础网络,根据自建数据集尺度分布特点以及特有的长宽比选用卷积层作为预测层并设置其中的参数,同时由于数据集中易分负样本较多的特点将损失函数替换成fo... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

三种激活函数曲线图

SSD算法基本架构

多尺度特征层（2）采用卷积进行检测

【参考文献】：
期刊论文
[1]数据增广求解贝叶斯Logistic回归模型的方法研究[J]. 侯禹腾.  计算机光盘软件与应用. 2014(15)



本文编号：2924620