基于卷積神經網絡的駕駛員檢測和安全帶識別

摘要：為了降低駕駛員檢測算法的復雜度,提高安全帶識別算法的準確率,提出了一種基于卷積神經網絡的駕駛員檢測和安全帶識別的方法。通過減輕級聯網絡框架,調整特征訓練比,盡可能快而多地生成駕駛員候選框,再利用深度特征差異、檢測和邊框校準之間的相關性,精確定位駕駛員位置。通過改進經典卷積神經網絡,最大和平均池化層相結合,減少全連接,并通過特征批量化處理,減輕計算量,提高了安全帶識別準確率。實驗結果表明,與其他方法相比,駕駛員檢測算法的綜合評判標準平均增加了6.7%,安全帶識別的準確率平均提高了3.4%,滿足實時性要求。