本发明公开了一种基于改进的卷积神经网络的驾驶员状态识别方法,包括:输入驾驶员驾驶视频V1,进行超分辨率处理后输出视频V2。搭建卷积神经网络,构造人体关键点检测识别模型M1。利用yolo算法对视频V2中的人物进行检测,输出单人体视频集V3,捕捉关键帧后,输出单人体关键帧集V4。使用模型M1对V4识别,构造人体关键点坐标集K1。对各种姿势关键点进行坐标点信息标记,计算得到人体姿势对应关键点坐标分布模型M2。对坐标集K1二次检测,使用正常坐标点计算人体关键点之间距离信息,和模型M2对照从而判定驾驶员驾驶状态。本发明利用已经标注好的人体关键点信息,结合机器学习和特征识别技术实现驾驶员驾驶时的姿势检测。
发明目的:针对现有技术中存在的问题,本发明提供一种基于卷积神经网络的驾驶员状态识别方法,针对大量公共汽车监控视频中存在的可分析的驾驶员驾驶状态数据,利用已经标注好的人体关键点信息,利用机器学习和特征识别技术来实现驾驶员驾驶时的姿势检测。
此技术是淮阴工学院李翔研发,淮阴工学院,位于江苏省淮安市,宗旨和业务范围是“培养高等学历人才,促进社会发展。工学类、理学类、经济学类、管理学类、文学类、法学类、艺术学类和农学类学科本科学历教育工程硕士研究生学历教育相关科学研究技术开发继续教育专业培训学术交流与咨询服务会议展览服务”。
评价单位:- (-)
评价时间:2023-11-10
综合评价
技术转让,所需资金需双方协商,此项技术想尽快落地保定,希望具备此项技术研发的技术方,能够尽快承接次项目
查看更多>