| 基于双流全卷积网络的驾驶员姿态估计方法 |
| |
| 引用本文： | 王彬,赵作鹏.基于双流全卷积网络的驾驶员姿态估计方法[J].江苏大学学报(自然科学版),2022,43(2):161-168. |
| |
| 作者姓名： | 王彬 赵作鹏 |
| |
| 作者单位： | 中国矿业大学 计算机科学与技术学院,江苏 徐州 221116;江苏联合职业技术学院 信息技术系,江苏 徐州 221008,中国矿业大学 计算机科学与技术学院,江苏 徐州 221116 |
| |
| 基金项目： | 国家自然科学基金;徐州市重点研发计划项目 |
| |
| 摘 要： | 针对现有姿态估计方法在驾驶室复杂环境条件下发生的非目标误检测和检测精度低的问题,提出了一种基于双流全卷积网络的驾驶员姿态估计方法.该方法通过建立2条独立的FCN(fully convolutional network)分支,分别对关键点坐标及关键点间的连接信息进行预测,同时在2个分支中构建沙漏状的网络结构,增强了网络提取关键信息的能力.为了进一步提高模型的特征提取能力,将浅层与深层网络得到的特征图进行融合.为了验证所提方法的检测效果,采用COCO(common objects in context)数据集和DDS(driver′s driving situation)数据集进行验证.试验结果表明:该方法在COCO数据集和DDS数据集上的检测平均精度分别达到64.5%和78.4%,优于其他3种对比算法;该方法可以提高驾驶员人体姿态的检测精度,具有较好的鲁棒性.
|
| 关 键 词： | 驾驶员 姿态估计 特征融合 全卷积网络 迁移学习 |
Driver pose estimation based on dual-stream fully convolutional network |
| |
| WANG Bin,ZHAO Zuopeng.Driver pose estimation based on dual-stream fully convolutional network[J].Journal of Jiangsu University:Natural Science Edition,2022,43(2):161-168. |
| |
| Authors: | WANG Bin ZHAO Zuopeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
