Print

基于YOLO和极限学习机的驾驶员安全带检测模型研究

论文摘要

针对现有的驾驶员安全带检测算法存在的定位精度差、实时性低的问题,提出一种基于YOLO和极限学习机相结合的驾驶员安全带检测模型。利用YOLO网络快速定位主驾驶区域,提取主驾驶区域特征,传递给极限学习机,训练成一个安全带检测分类器。实验结果表明,与传统的安全带检测算法相比,该方法在驾驶员安全带检测中准确率更高,检测速度大大提升。

论文目录

  • 0 引 言
  • 1 算法研究
  •   1.1 YOLO算法
  •   1.2 极限学习机算法
  • 2 基于YOLO和极限学习机的安全带检测模型
  • 3 实 验
  •   3.1 数据集的采集
  •   3.2 主驾驶区域检测
  •     （1） 数据预处理。
  •     （2） 主驾驶区域检测分析。
  •   3.3 安全带检测
  •     1) 极限学习机算法求解过程:
  •     2) 安全带检测分析:
  • 4 结 语

    • 文章来源

    类型: 期刊论文

    作者: 田坤,李冠,赵卫东

    关键词: 安全带检测,特征提取,极限学习机

    来源: 计算机应用与软件 2019年11期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 公路与水路运输,汽车工业,计算机软件及计算机应用,自动化技术

    单位: 山东科技大学计算机科学与工程学院

    基金: 山东省研究生教育创新计划一般项目(SDYC16022)

    分类号: U491.61;TP18;TP391.41

    页码: 196-201

    总页数: 6

    文件大小: 1324K

    下载量: 197

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/f0621478de1bab90596139e3.html