期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于卷积神经网络的行人安全帽自动识别 被引量：6

下载PDF
导出
摘要 针对传统基于人脸的安全帽识别方法存在识别精度波动大、易受环境干扰等问题,本文提出了一种基于卷积神经网络的行人安全帽自动识别方法。该方法首先构建多层卷积神经网络实现行人检测,并加入批量归一化算法提高检测效果和训练速度,然后对行人区域做HSV颜色空间变换,提取出符合安全帽颜色的区域块,再对图像做圆Hough变换,检测区域图像中是否包含圆,从而实现安全帽的自动检测。该方法准确率高达99.52%,安全帽检测准确率为85.19%,基本满足需求。
作者 何慧敏 林志贤 郭太良
机构地区 福州大学物理与信息工程学院
出处 《有线电视技术》 2018年第3期104-108,共5页 Cable TV Technology
基金 国家重点研发计划资助(No:2016YFB0401503) 福建省科技重大专项(No:2014HZ0003-1) 广东省科技重大专项(No:2016B090906001) 福建省资助省属高校专项课题(No:JK2014002)
关键词 神经网络 批量归一化 行人检测 圆Hough变换 安全帽识别
分类号 TP183 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献3

二级参考文献26

  • 1田福庆,冯昌林,刘骏.基于BP神经网络的舰炮武器系统综合保障性能评价[J].海军工程大学学报,2007,19(3):52-55. 被引量：3
  • 2阮秋琦,阮宇智.数字图像处理[M].第2版.北京:电子工业出版社,2007.
  • 3Dalal N,Triggs B.Histograms of oriented gradients forhuman detection[C]//Proceedings of the 2005 IEEE InternationalConference on Computer Vision and Pattern Recognition.Washington,DC:IEEE Computer Society,2005,1:886-893.
  • 4Wu B,Nevatia R.Optimizing discrimination-efficiencytradeoff in integrating heterogeneous local features forobject detection[C]//Proceedings of the 2008 IEEE InternationalConference on Computer Vision and PatternRecognition.Washington,DC:IEEE Computer Society,2008:1-8.
  • 5Viola P,Jones M.Rapid object detection using a boostedcascade of simple features[C]//Proceedings of CVPR2001,Kauai,HI,USA,2001:511-518.
  • 6Serre T,Wolf L,Bileschi S,et al.Object recognition withcortex-like mechanisms[J].IEEE Transactions on PatternAnalysis and Machine Intelligence,2007,29(3):411-428.
  • 7Ye Q,Liang J,Jiao J.Pedestrian detection in video imagesvia error correcting output code classification of manifoldsubclasses[J].IEEE Transactions on Intelligent TransportationSystems,2012,13(1):193-202.
  • 8Munder S,Gavrila D M.An experimental study on pedestrianclassification[J].IEEE Transactions on Pattern Analysisand Machine Computer Vision,2006,28(11):1863-1868.
  • 9Wu B,Nevatia R.Cluster boosted tree classifier for multiview,multi-pose object detection[C]//Proceedings of the11th IEEE International Conference on Computer Vision.Washington,DC:IEEE Computer Society,2007:1-8.
  • 10Bengio Y.Learning deep architectures for AI[J].Foundationsand Trends in Machine Learning,2009,2(1):1-71.

共引文献165

同被引文献54

引证文献6

二级引证文献77

有线电视技术
2018年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部