基于深度学习的驾驶员头部及姿态识别和分类方法研究

发布时间：2021-04-08 01:45

　　当今错综复杂的交通环境中辅助安全驾驶成为了提高行车安全的一种重要手段,也是当前智能交通领域的研究重点和前沿。随着计算机硬件技术和人工智能技术（Artificial Intelligence）的飞速发展,机器视觉技术再次得到了广大海内外研究人员的高度重视。本文针对驾驶员头部状态和身体姿态的特点,结合深度学习技术（Deep Learning）,提出了一种驾驶行为检测方法。通过驾驶员头部区域定位并识别方法和驾驶员身体姿态特征提取并识别方法实现了驾驶员的行为检测功能,并通过相关实验验证了方法的可行性和有效性。主要工作和研究成果包括;（1）研究并提出了基于Yolo算法的实时驾驶员头部区域定位方法。该方法首先在小批量驾驶员数据集上通过BBox_Label等工具标注驾驶员头部区域,并转换成Yolo指定的区域标注格式。设置Yolo网络结构格式使其适应当前课题,迭代训练得到实时检测驾驶员头部区域的Yolo网络结构参数。（2）设计了基于深度卷积神经网络（Deep Convolutional Neural Network）的驾驶员头部特征提取方法。卷积神经网络结构通常由一个或若干卷积层,... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

Sigmoid函数

图 2.2 Sigmoid 函数 图 2.3 tanh 函数Sigmoid 函数的取值范围是[0, 1]，然而 tanh(z)函数的取值范围是[-1, 1][32]2.2.2 神经网络模型

神经网络模型

【参考文献】：
期刊论文
[1]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[2]流形学习与非线性回归结合的头部姿态估计[J]. 范进富,陈锻生.  中国图象图形学报. 2012(08)
[3]2009年全国道路交通事故同比下降10%——运营车辆特大道路交通事故比例居高不下[J]. 肖献法.  商用汽车. 2010(02)
[4]一种基于图像表观的鲁棒姿态估计方法[J]. 马丙鹏,山世光,陈熙霖,高文.  软件学报. 2009(06)
[5]基于视频的人脸识别研究进展[J]. 严严,章毓晋.  计算机学报. 2009(05)
[6]光照变化情况下的静态头部姿态估计[J]. 刘坤,罗予频,杨士元.  计算机工程. 2008(10)
[7]驾驶员疲劳驾驶监测方法研究的进展[J]. 宋义伟,夏芹,朱学峰.  自动化与信息工程. 2007(04)
[8]我国道路交通事故特征分析与对策研究[J]. 刘强,陆化普,张永波,邹博.  中国安全科学学报. 2006(06)
[9]汽车驾驶员驾驶疲劳监测技术研究进展[J]. 毛喆,初秀民,严新平,吴超仲.  中国安全科学学报. 2005(03)
[10]疲劳驾驶检测方法的研究[J]. 周玉彬,俞梦孙.  医疗卫生装备. 2003(06)



本文编号：3124603