基于改进YOLOv4算法的疲劳驾驶检测
DOI:
CSTR:
作者:
作者单位:

西安科技大学通信学院 西安 710600

作者简介:

通讯作者:

中图分类号:

TP391.4

基金项目:

国家自然科学基金资助项目(61705178)


Fatigue driving detection based on improved YOLOv4 algorithm
Author:
Affiliation:

Xi’an University of Science and Technology, Xi’an,710600,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种基于深度学习的改进YOLOv4算法的疲劳驾驶检测。首先通过使用迁移学习将VOC数据集已训练好权重作为预权重进行训练,其次在训练中将框架中的特征金字塔SPP结构前后增加卷积,提高框架对深层特征的提取,再引入空洞卷积技术在不损失图片信息情况下增加卷积输出感受野,增加图片位置信息的获取能力。实验结果表明,改善后的YOLOv4算法在测试中map值达到97.29%,相较原YOLOv4算法提高了1.98%,其中对眼睛部位的检测提高了6%。并在检测中加入时延判定,避免其他行为影响结果,使误判概率大大减小。

    Abstract:

    This paper propose an improved yolov4 algorithm for detecting fatigue driving. First, under the transfer learning, the weight of VOC dataset has been trained as pre weight for training. Then in the training, convolution is added before and after the SPP structure of feature pyramid in the frame to improve the extraction of deep features. And introduce the dilated convolution to increase convolution output receptive field and the ability to obtain image location information. Experimental results show that the map value of the improved yolov4 algorithm during the test is 97.29%, 1.98% higher than raw yolo v4 algorithm, the detection of eye parts increased by 6%. Add the frame delay to the detection, for avoiding other behaviors affecting the results and reducing the probability of misjudgment.

    参考文献
    相似文献
    引证文献
引用本文

李昭慧,张玮良.基于改进YOLOv4算法的疲劳驾驶检测[J].电子测量技术,2021,44(13):73-78

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-09-05
  • 出版日期:
文章二维码