摘要：为了降低驾驶员检测算法的复杂度,提高安全带识别算法的准确率,提出了一种基于卷积神经网络的驾驶员检测和安全带识别的方法。通过减轻级联网络框架,调整特征训练比,尽可能快而多地生成驾驶员候选框,再利用深度特征差异、检测和边框校准之间的相关性,精确定位驾驶员位置。通过改进经典卷积神经网络,最大和平均池化层相结合,减少全连接,并通过特征批量化处理,减轻计算量,提高了安全带识别准确率。实验结果表明,与其他方法相比,驾驶员检测算法的综合评判标准平均增加了6.7%,安全带识别的准确率平均提高了3.4%,满足实时性要求。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
