针对船舶驾驶员值班过程中吸烟和打电话行为造成注意力分散威胁船舶航行安全的问题,提出一种基于改进RetinaFace和YOLOv4的吸烟和打电话行为检测算法。采用改进的RetinaFace网络提取人脸感兴趣区域,使用改进的YOLOv4目标检测模型检测该...针对船舶驾驶员值班过程中吸烟和打电话行为造成注意力分散威胁船舶航行安全的问题,提出一种基于改进RetinaFace和YOLOv4的吸烟和打电话行为检测算法。采用改进的RetinaFace网络提取人脸感兴趣区域,使用改进的YOLOv4目标检测模型检测该区域内是否存在香烟或手机,从而识别船舶驾驶员的吸烟和打电话行为。实验结果表明,本文算法具有较高的检测精度和速度,在自建数据集上的类平均精度(mean average precision,MAP)高达98.51%,误检率仅为3.2%。使用PyQt开发图形界面程序。该算法可以准确识别出驾驶员的吸烟和打电话行为,能够较好地适应船舶驾驶台的复杂环境,满足实时检测的要求。展开更多
文摘针对船舶驾驶员值班过程中吸烟和打电话行为造成注意力分散威胁船舶航行安全的问题,提出一种基于改进RetinaFace和YOLOv4的吸烟和打电话行为检测算法。采用改进的RetinaFace网络提取人脸感兴趣区域,使用改进的YOLOv4目标检测模型检测该区域内是否存在香烟或手机,从而识别船舶驾驶员的吸烟和打电话行为。实验结果表明,本文算法具有较高的检测精度和速度,在自建数据集上的类平均精度(mean average precision,MAP)高达98.51%,误检率仅为3.2%。使用PyQt开发图形界面程序。该算法可以准确识别出驾驶员的吸烟和打电话行为,能够较好地适应船舶驾驶台的复杂环境,满足实时检测的要求。