针对现有疲劳驾驶检测算法实用性差或准确率低的问题,本文提出了一种基于深度学习的疲劳驾驶检测算法.首先,使用HOG(Histogram of Oriented Gradient)特征算子检测人脸的存在;其次,利用特征点模型实现人脸的对齐,同时实现眼睛、嘴巴区...针对现有疲劳驾驶检测算法实用性差或准确率低的问题,本文提出了一种基于深度学习的疲劳驾驶检测算法.首先,使用HOG(Histogram of Oriented Gradient)特征算子检测人脸的存在;其次,利用特征点模型实现人脸的对齐,同时实现眼睛、嘴巴区域的分割;最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征,并融合驾驶员嘴部的疲劳特征进行疲劳预警.大量的实验表明,该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.展开更多
针对提高行人检测系统的检测率和实时性,提出了一种基于混合高斯模型建模,通过与梯度方向直方图(Histogram of Oriented Gradient,HOG)和支持向量机的行人检测方法。采用混合高斯模型进行前景划分,在前景划分过程中引入时间融合消除参...针对提高行人检测系统的检测率和实时性,提出了一种基于混合高斯模型建模,通过与梯度方向直方图(Histogram of Oriented Gradient,HOG)和支持向量机的行人检测方法。采用混合高斯模型进行前景划分,在前景划分过程中引入时间融合消除参数以减小把静止状态行人当做背景的概率,在特征提取时,先采取缩小检测窗口预处理,然后通过多尺度划分块的方式提取特征达到降维目的,最后结合SVM分类器实现行人检测。通过随机视频帧进行测试方法的性能,该方法在行人检测检测率和检测速率上都有很大提高。展开更多
针对复杂工况环境下异常条形码的识别问题,提出了一种新的基于特征提取与BP神经网络协同作用的异常条形码判别方法。首先,为有效对条形码图像特征进行表征,从图像histogram of oriented gradient(HOG)特征、曲线特征、纹理粗糙度、纹理...针对复杂工况环境下异常条形码的识别问题,提出了一种新的基于特征提取与BP神经网络协同作用的异常条形码判别方法。首先,为有效对条形码图像特征进行表征,从图像histogram of oriented gradient(HOG)特征、曲线特征、纹理粗糙度、纹理灰度特征着手,建立条形码识别的特征库;在此基础上,建立以LM-BP神经网络为核心的辨识框架对条形码特征进行训练和辨识;最后,通过模拟国网新疆电力有限公司电力科学研究院计量生产自动化系统现场的条形码图像验证了算法的合理性。实验结果表明:基于特征提取与LM-BP神经网络协同辨识的方法能有效对条形码状态进行识别,其识别精度可达88. 29%。展开更多
文摘针对现有疲劳驾驶检测算法实用性差或准确率低的问题,本文提出了一种基于深度学习的疲劳驾驶检测算法.首先,使用HOG(Histogram of Oriented Gradient)特征算子检测人脸的存在;其次,利用特征点模型实现人脸的对齐,同时实现眼睛、嘴巴区域的分割;最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征,并融合驾驶员嘴部的疲劳特征进行疲劳预警.大量的实验表明,该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.
文摘针对提高行人检测系统的检测率和实时性,提出了一种基于混合高斯模型建模,通过与梯度方向直方图(Histogram of Oriented Gradient,HOG)和支持向量机的行人检测方法。采用混合高斯模型进行前景划分,在前景划分过程中引入时间融合消除参数以减小把静止状态行人当做背景的概率,在特征提取时,先采取缩小检测窗口预处理,然后通过多尺度划分块的方式提取特征达到降维目的,最后结合SVM分类器实现行人检测。通过随机视频帧进行测试方法的性能,该方法在行人检测检测率和检测速率上都有很大提高。
文摘针对复杂工况环境下异常条形码的识别问题,提出了一种新的基于特征提取与BP神经网络协同作用的异常条形码判别方法。首先,为有效对条形码图像特征进行表征,从图像histogram of oriented gradient(HOG)特征、曲线特征、纹理粗糙度、纹理灰度特征着手,建立条形码识别的特征库;在此基础上,建立以LM-BP神经网络为核心的辨识框架对条形码特征进行训练和辨识;最后,通过模拟国网新疆电力有限公司电力科学研究院计量生产自动化系统现场的条形码图像验证了算法的合理性。实验结果表明:基于特征提取与LM-BP神经网络协同辨识的方法能有效对条形码状态进行识别,其识别精度可达88. 29%。
