论文摘要
针对现有的驾驶员安全带检测算法存在的定位精度差、实时性低的问题,提出一种基于YOLO和极限学习机相结合的驾驶员安全带检测模型。利用YOLO网络快速定位主驾驶区域,提取主驾驶区域特征,传递给极限学习机,训练成一个安全带检测分类器。实验结果表明,与传统的安全带检测算法相比,该方法在驾驶员安全带检测中准确率更高,检测速度大大提升。
论文目录
文章来源
类型: 期刊论文
作者: 田坤,李冠,赵卫东
关键词: 安全带检测,特征提取,极限学习机
来源: 计算机应用与软件 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,汽车工业,计算机软件及计算机应用,自动化技术
单位: 山东科技大学计算机科学与工程学院
基金: 山东省研究生教育创新计划一般项目(SDYC16022)
分类号: U491.61;TP18;TP391.41
页码: 196-201
总页数: 6
文件大小: 1324K
下载量: 197