检索结果-南通市图书馆

基于改进YOLOv8n的轻量化分心驾驶检测算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车工程师 2024年第10期 37-43页

作者：朱玉华龚晓腾吴宁沈阳工业大学辽阳111000

针对驾驶员分心驾驶检测领域中深度学习模型参数量大,在嵌入式设备上难以部署的问题,提出一种基于YOLOv8n的轻量化分心驾驶检测算法YOLOv8n-SGC。首先,构建ShuffleNetV2轻量化骨干网络,引入幻影卷积(GhostConv),减少模型参数量和计算量... 详细信息

针对驾驶员分心驾驶检测领域中深度学习模型参数量大,在嵌入式设备上难以部署的问题,提出一种基于YOLOv8n的轻量化分心驾驶检测算法YOLOv8n-SGC。首先,构建ShuffleNetV2轻量化骨干网络,引入幻影卷积(GhostConv),减少模型参数量和计算量,实现模型轻量化;其次,在骨干网络后加入卷积和注意力融合模块(CAFM),融合全局和局部特征,提升算法检测精度。验证结果表明,相较于基准模型,改进模型的参数量和计算量都有所降低,且体积减小了28.67%,推理时间缩短了41.79%,mAP提高了1.1百分点。

关键词： YOLOv8n ShuffleNetV2 注意力机制轻量化分心驾驶检测

基于上下文语义联合YOLOv7的分心驾驶检测算法

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2024年第3期43卷 121-128页

作者：李富徐凯朱灵龙沈昊君王泉无锡学院物联网工程学院无锡214105 南京信息工程大学自动化学院南京210044

针对分心驾驶检测方法存在实时性差、精度低、可部署性差的问题,提出了一种基于上下文语义增强联合YOLOv7的分心驾驶检测算法。首先将模型backbone和head部分的ELAN模块替换成语义上下文增强模块(contextual transformer,CoT),提高上下... 详细信息

针对分心驾驶检测方法存在实时性差、精度低、可部署性差的问题,提出了一种基于上下文语义增强联合YOLOv7的分心驾驶检测算法。首先将模型backbone和head部分的ELAN模块替换成语义上下文增强模块(contextual transformer,CoT),提高上下文语义信息的捕获能力。其次,将语义关联增强机制(triplet attention)融入卷积块中,插入backbone和head的连接头之间以及融合MP2模块,强化目标间的关联关系以及提升目标特征提取能力。最后,将自注意力双向Transformer模块(Biformer)模块融合SPPCSPC模块,提升模型对分心驾驶中的复杂场景和遮挡目标的处理能力。改进的YOLOv7算法在分心驾驶数据集下平均精度均值(mean average precision,mAP)达到了87.3%,比原算法提高了4.3%,模型参数量减少了4.7%,每秒传输帧数达到了90 fps,具有较好的检测精度与速度。

关键词： YOLOv7 分心驾驶检测 CoT Biformer Triplet Attention

基于轻量级卷积神经网络的驾驶人分心行为检测研究与实现

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于轻量级卷积神经网络的驾驶人分心行为检测研究与实现

作者：胡耀刚宁夏大学

学位级别：硕士

汽车保有量的上升和交通流量的增长给人们带来便利的同时,也导致了更多交通事故的发生。大量的交通事故引发了人员伤亡和财产损失。驾驶人的分心驾驶行为是导致交通事故发生的主要原因之一。近年来,基于卷积神经网络的分心驾驶行为检测... 详细信息

汽车保有量的上升和交通流量的增长给人们带来便利的同时,也导致了更多交通事故的发生。大量的交通事故引发了人员伤亡和财产损失。驾驶人的分心驾驶行为是导致交通事故发生的主要原因之一。近年来,基于卷积神经网络的分心驾驶行为检测研究取得了一定成果,但现有算法模型参数量过大、计算时间较长,识别准确率和速度仍有待提升。因此,对分心驾驶行为检测算法进行精度优化和轻量化具有重要的现实意义。本文具体研究内容如下:针对分心驾驶公开数据集数量较少和泛化性较差的问题,本文自行采集构建数据集。参照分心驾驶公开数据集State Farm的标准与分类,采集了在不同光照条件和不同时间段下的17位不同性别驾驶员的分心驾驶行为图像,并对采集到的数据集进行基于传统和高斯噪声的数据增强技术使数据集得到扩充,提高数据集的鲁棒性和泛化能力。构建了一个更贴近我国交通现状的分心驾驶数据集。针对现有分心驾驶行为检测速度和精度不能兼顾的问题,提出一种基于改进SSD的轻量化模型。首先,以SSD算法为基础,使用轻量级网络Mobilenetv2替换原骨干网络进行特征提取,利用网络中特有的深度可分离卷积和反残差模块大幅降低模型参数量,提高检测速度,让模型具备在计算能力较差的车辆边缘设备中部署的条件。其次,融合RFB感受野扩大模块来提高模型特征提取能力,改善了算法在检测目标较大时,因低层网络的信息表征能力不足而出现的漏检问题。最后,引入CBAM注意力模块使模型更关注目标特征从而改进相似动作间区分度不足的问题,进一步提高模型检测精度。通过大量实验对比表明,本文模型同时具备高精度与轻量化,可以检测并识别出行车中的六类常见分心驾驶行为。

关键词：分心驾驶检测深度学习轻量化 SSD

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的分心驾驶行为检测研究

基于深度学习的分心驾驶行为检测研究

作者：黄向康重庆邮电大学

学位级别：硕士

在我国,因驾驶员过失造成的事故占道路交通事故总数的90%以上,其中分心是影响安全驾驶的重要因素,因此通过对驾驶员分心行为进行检测并报警,对于减少交通事故的发生具有重要意义。在现有的众多检测手段中,基于机器视觉的分心行为检测方... 详细信息

在我国,因驾驶员过失造成的事故占道路交通事故总数的90%以上,其中分心是影响安全驾驶的重要因素,因此通过对驾驶员分心行为进行检测并报警,对于减少交通事故的发生具有重要意义。在现有的众多检测手段中,基于机器视觉的分心行为检测方法是目前最具前景、最可靠的检测方法。然而,从实际检测效果可以看出,现有方法依旧存在检测准确率低、实时性能较差以及受环境影响较大等多项无法满足实际应用需求的问题。论文针对检测准确度和检测速度等问题,研究了基于深度学习的驾驶员分心行为的检测,提出一种新的检测方法,并搭建了分心驾驶行为检测系统,对驾驶员的打电话和吸烟两种分心行为进行实时检测。论文考虑到复杂多变的驾驶环境,首先对采集到的驾驶室图像进行预处理,其中主要进行驾驶区域裁剪、归一化、直方图均衡化等操作,以获得分辨度更高的图像。然后,进行驾驶员人脸检测,采用的方法为改进后的多任务级联卷积神经网络(Multi-task Convolutional Neural Network,MTCNN)算法,得到驾驶员的人脸框及脸部五个特征点。之后,论文根据人脸检测结果进行分心行为判别,其中包括打电话和吸烟两种行为。打电话行为的检测采用手持电话行为与讲话行为相‘与’运算,其中手持电话行为的判别基于Mobile Net V3网络,讲话行为的判别是基于嘴巴宽高比震荡差值;吸烟行为则采用轻量级卷积神经网络S-CNN来判别。最后,融合所有检测内容得到最终的分心驾驶行为检测结果。论文设计了一套基于CEVA DSP的分心驾驶行为检测系统,来验证算法在实际驾驶环境下的检测效果。论文利用上述分心驾驶行为检测系统,在实际的车载环境下进行了实验,结果表明:本文算法对驾驶员打电话和吸烟行为的检测准确率分别为93.3%和92.4%,对单帧图像的平均检测耗时在290ms左右。因此,在实际驾驶过程中能够给与驾驶员及时准确的分心预警,具有实际应用价值。

关键词：分心驾驶检测卷积神经网络行为分类数字信号处理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

危险驾驶行为检测方法研究与系统实现

危险驾驶行为检测方法研究与系统实现

作者：黄艳梅重庆大学

学位级别：硕士

危险驾驶行为中,疲劳驾驶和分心驾驶是导致道路交通事故发生的主要原因。对危险驾驶行为进行检测并及时预警,可以有效降低道路交通事故的发生率,保障人民的生命与财产安全。因此,面向危险驾驶行为检测方法的研究成为近年的一大研究热点... 详细信息

危险驾驶行为中,疲劳驾驶和分心驾驶是导致道路交通事故发生的主要原因。对危险驾驶行为进行检测并及时预警,可以有效降低道路交通事故的发生率,保障人民的生命与财产安全。因此,面向危险驾驶行为检测方法的研究成为近年的一大研究热点,并取得了较好的效果。但在资源有限的边缘端设备上,危险驾驶行为检测方法面临着光照环境适应性不强和准确率低等挑战。论文面向以上挑战,开展对于不同光照环境具有良好适应性的高效危险驾驶行为检测方法研究和系统设计。论文深入调研了现有的危险驾驶行为检测方法,并分析了基于生理特征、行为特征以及计算机视觉检测方法的优缺点,提出了一套光照环境适应性强、计算复杂度低的危险驾驶行为检测方法和危险驾驶行为检测系统方案。在此基础上,论文采集不同光照环境下的驾驶员行为视频数据,制作了疲劳和分心行为数据集,并在公共数据集上将论文构建的神经网络模型与其他方法进行了比较。为了更好的验证论文提出的危险驾驶行为检测方法的性能,论文基于NVIDIA Jetson TX2嵌入式平台和红外补光摄像头完成了危险驾驶行为检测系统设计,并在车内复杂光照环境下对系统的功能与性能进行了测试。论文的创新点有:(1)提出了一种基于OTSU和模糊C均值聚类算法的光照环境识别方法,将光照环境识别方法与轻量级卷积神经网络模型相结合,可有效增强疲劳驾驶检测算法的光照环境适应性。(2)设计了一个倒残差注意力模块,并构建了一种基于注意力机制的轻量级卷积神经网络模型,将减均值滤波算法与构建的网络模型相结合,在保证准确率的同时,可有效降低分心驾驶检测算法的计算复杂度。经测试,论文设计的危险驾驶行为检测系统在车内复杂光照环境下的检测准确率达到95%以上,同时具有危险驾驶行为实时预警和危险驾驶行为证据保存功能。

关键词：疲劳驾驶检测分心驾驶检测光照环境识别卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像识别的驾驶状态检测研究

基于图像识别的驾驶状态检测研究

作者：郭建钦华东交通大学

学位级别：硕士

随着经济的增长,中国汽车保有量逐年递增,由此引发的道路安全事故也程增长趋势。疲劳驾驶和分心驾驶是引发交通事故中两个主要原因之一。研究驾驶员的驾驶状态,并适时进行预警,对于保证道路安全具有非常大的意义。基于机器学习的驾驶状... 详细信息

随着经济的增长,中国汽车保有量逐年递增,由此引发的道路安全事故也程增长趋势。疲劳驾驶和分心驾驶是引发交通事故中两个主要原因之一。研究驾驶员的驾驶状态,并适时进行预警,对于保证道路安全具有非常大的意义。基于机器学习的驾驶状态研究,主要是通过图像对驾驶员的脸部、头部或手部特征进行检测分析。其基于图像特征提取的驾驶监测技术与人的认知相似性,更因其非入侵式无接触性、强鲁棒性等特点,并可以与辅助驾驶设备/系统有效结合,使其在驾驶状态研究中具有巨大的发展潜力和良好的应用前景。在复杂的驾驶环境中,对于模型的检测速度和精度有了更高的要求。本文主要从以下两个方面对驾驶状态进行研究。首先,对于驾驶员的疲劳状态监测,主要从人脸图像上的眼部特征和嘴部特征开展研究,主要从网络结构和数据集进行改进。为了提高人脸检测中人脸姿态和大小的多样性,先使用LFPW和AFW带有关键点标注的数据集构建疲劳检测数据集,其数据集是在复杂环境下的人体上半身图片,数据的人脸大小、姿态和背景都很丰富,有效提升模型的鲁棒性。为了适应真实驾驶环境下的人脸区域的特征提取,使用YAW-DD疲劳驾驶视频扩充数据集,并使用CEW闭眼数据扩充闭眼特征。其次,根据数据集的统计特性调整网络结构,使模型更加紧凑。然后,使用改进的YOLOv3（You only look once v3）模型对人脸、眼部和嘴部特征进行检测,根据眼部的闭眼帧数和嘴部的哈欠帧数判定驾驶员的疲劳状态,并且通过检测出的人脸区域引入注意力机制,使检测的后帧根据前帧的人脸区域进行特征搜索,在保持检测速度的同时,提高了眼部和嘴部小目标特征的检查能力。最后使用通道剪枝技术对模型进行压缩,有效提升了模型推理速度,且有效减少了模型参数。其次,对于分心驾驶状态的研究,主要从对是否使用手机、是否饮水特征进行特征提取分析。使用手机是引起分心驾驶的主要因素,而引饮水作为另一个分心驾驶特征,以此提高模型的泛化能力,提高模型的鲁棒性;以双手紧握方向盘作为正常驾驶的特征。然后,改进YOLOv3模型为区域单一特征对三种特征进行特征提取,最后根据检测的最大置信度判别分心驾驶状态,模型使用的区域特征提取方法通过标签引入特征的位置信息,比其他基于整个图像特征的单一标签进行分类的方法更加有效。最后,通过剪枝技术对模型压缩,算法的检测速度和模型大小都有很大的改善。

关键词：图像处理疲劳驾驶检测分心驾驶检测 YOLOv3网络模型压缩