典型文献
基于深度学习的非机动车头盔佩戴检测方法研究
文献摘要：
近年来,由于电动车驾驶人未佩戴头盔行车导致的交通事故频频发生,造成了较大的人身伤害与损失,调查显示事故多在交通路口发生,为此,有必要开展交通路口电动车驾驶人头盔佩戴行为的监测与管控.本文利用机器视觉传感器收集大量电动车及驾驶人目标数据,制作相应的数据集,将处理后的数据集在Pytorch框架上利用改进的Yolov5神经网络进行训练,获得最优权重参数;实验对比发现,改进后的Yolov5算法对于电动车和头盔的检测精度分别达到了 92％和98％,比原始神经网络的识别准确度可提高1％至2％.最终联合使用训练改进的Yolov5模型和Sort算法,在检测电动车佩戴头盔情况的同时,对其进行跟踪标号,以此实现对交通路口违规电动车驾驶行为的有效管控.
文献关键词：
神经网络;检测跟踪;数据处理;数据集;头盔检测
中图分类号：
作者姓名：
朱硕;黄剑翔;汪宗洋;许芯浚;边松岩
作者机构：
无锡学院电子信息工程学院 无锡214105;南京信息工程大学电子信息与通信工程学院 南京210044;江苏省集萃深度感知技术研究所 无锡213003
文献出处：
引用格式：
[1]朱硕;黄剑翔;汪宗洋;许芯浚;边松岩-.基于深度学习的非机动车头盔佩戴检测方法研究)[J].电子测量技术,2022(22):120-127
A类：
B类：
非机动车,车头,头盔佩戴,电动车,车驾,驾驶人,交通事故,频频,人身伤害,交通路口,人头,佩戴行为,机器视觉,视觉传感器,Pytorch,架上,Yolov5,最优权重,实验对比,检测精度,联合使用,Sort,标号,违规,驾驶行为,有效管控,检测跟踪,头盔检测
AB值：
0.340857
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
