基于改进卷积神经网络的安全带佩戴识别

作     者：丁家益 周跃进 DING Jiayi;ZHOU Yuejin

作者机构：安徽理工大学数学与大数据学院安徽淮南232001 

出 版 物：《哈尔滨商业大学学报(自然科学版)》 (Journal of Harbin University of Commerce:Natural Sciences Edition)

年 卷 期：2023年第39卷第6期

页      面：676-684页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：深部煤矿采动响应与灾害防控国家重点实验室基金资助项目(SKLMRDPC22KF03) 

主　　题：卷积神经网络 网络结构 优化算法 Faster R-CNN 汽车安全带佩戴识别系统 

摘      要：针对机动车在行驶时,驾驶人、乘坐人员需要佩戴安全带,提出了一种33层卷积神经网络模型进行汽车安全带佩戴识别.介绍了卷积神经网络的卷积算法、池化算法和网络层之间的连接方式并设计了网络结构.针对已有优化算法的准确率与稳定性不足的问题,提出了融入经典动量思想的AWM优化算法.通过AWM优化算法基于车内人员佩戴了安全带和未佩戴安全带的两类数据集对网络的参数进行优化和训练后得到RIVNet模型.实验结果表明,RIVNet模型能够提高汽车安全带佩戴情况检测的精确度,可以高效地进行数据处理和图像的特征提取.以此卷积神经网络模型为基础,基于目标检测算法Faster R-CNN开发出了一款汽车安全带佩戴识别系统.