典型文献
基于CNN和多尺度融合的驾驶员打电话行为检测
文献摘要：
由于传统的驾驶员违规接听电话行为检测方法缺乏一套严谨的评判模型,难以满足现实中驾驶员违规接听电话的识别需要,因此如何建立一套合理有效的评判模型成为亟待解决的问题.针对目前评判模型的局限性,采用计算机视觉技术和深度学习模型相结合的方式对驾驶员违规接听电话行为进行科学评判.主要是通过提取的Haar-Like特征训练级联分类器捕获脸部特征,采用CNN模型和ROI技术提取手部特征,并利用YoloV3目标检测算法识别手机,依据特征间的空间位置关系来判断驾驶员是否存在违章接听电话行为.通过大量数据的实验测试,结果证明了该评判模型不仅能将精确度提高至96.28％,而且能实时检测到行车时违规接听电话行为并进行提醒,进而降低因违规接听电话发生交通事故的概率.
文献关键词：
接听电话行为识别;级联分类器;CNN模型;ROI;多尺度检测
中图分类号：
作者姓名：
许婷婷;傅俊琼;罗昆
作者机构：
东华理工大学 信息工程学院,江西 南昌 330013;东华理工大学 江西省核地学数据科学与系统工程技术研究中心,江西 南昌 330013;南昌市公安局交通管理局,江西 南昌 330013
文献出处：
引用格式：
[1]许婷婷;傅俊琼;罗昆-.基于CNN和多尺度融合的驾驶员打电话行为检测)[J].计算机技术与发展,2022(02):88-93
A类：
练级,接听电话行为识别
B类：
多尺度融合,驾驶员,打电话行为检测,违规,评判模型,套合,计算机视觉技术,深度学习模型,Haar,Like,级联分类器,脸部特征,ROI,手部,YoloV3,目标检测算法,算法识别,空间位置,位置关系,违章,实验测试,实时检测,提醒,交通事故,多尺度检测
AB值：
0.252546
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。
