基于图像分割的驾驶员分心行为识别研究 |
| |
引用本文: | 叶绿,陈铖,Sugianto Sugianto,Chido Natasha Muponda,Agordzo George Kofi,Koi David Ernest.基于图像分割的驾驶员分心行为识别研究[J].浙江科技学院学报,2020,32(3):209-215. |
| |
作者姓名: | 叶绿 陈铖 Sugianto Sugianto Chido Natasha Muponda Agordzo George Kofi Koi David Ernest |
| |
作者单位: | 浙江科技学院信息与电子工程学院,杭州310023;浙江科技学院机械与能源工程学院,杭州310023 |
| |
摘 要: | 针对驾驶员分心行为对交通安全产生隐患的问题,提出一种结合图像分割与卷积神经网络的驾驶员分心行为检测方法。该方法通过使用图像分割处理后的驾驶员不同分心行为的图像对卷积网络结构模型进行训练,来减轻背景噪声的影响,以提高模型的识别性能。试验中使用未经分割的图像与经过前景分割后图像分别训练卷积神经网络模型,用分割后图像训练的模型识别的准确率达到了93.84%,高于使用原图像训练的模型。试验结果表明,结合图像分割和深度学习的驾驶员分心行为检测方法对驾驶员的分心行为有较好的检测效果。
|
关 键 词: | 图像分割 神经网络 特征提取 分心行为识别 |
本文献已被 CNKI 万方数据 等数据库收录! |
|