基于深度学习的非机动车头盔佩戴检测方法研究
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.
神经网络、检测跟踪、数据处理、数据集、头盔检测
45
TN919.8
江苏省双创博士基金项目;无锡学院人才启动基金项目
2023-02-24（万方平台首次上网日期，不代表论文的发表时间）
共8页
120-127
