基于卷积神经网络的头盔佩戴检测模型的研究

随着经济与社会的发展,各大城市车辆保有量不断提高,越来越多的人选择乘车出行,非机动车事故问题也越来越严重。驾驶人不得在乘坐人员未按照规定使用安全头盔的情况下驾驶摩托车。因此,检测非机动车[1]驾驶员[2]与乘坐者是否佩戴头盔对生命财产安全至关重要。本文采用深度学习的方法,结合YOLOv4模型的特点,已经模拟神经元的学习与训练功能,建立相应头盔检测神经网络模型,在搭建的神经网络各层次中调整偏置项,进而训练得到有效的神经网络模型,实现检测非机动车驾驶人是否戴头盔的功能,即实现头盔识别[3],并保证其较高的精确度。

基于计算机视觉的行人及非机动车规范系统

道路交通安全问题一直是社会关注的重点,交通事故给人民群众的生命财产安全带来的巨大损失不容小觑。本文以pytorch为模型搭建平台,采用神经网络YOLOv4模型对所读取的视频流进行目标物体的检测分类与记录,并实现以下功能:人行道的卡尔曼滤波检测、头盔佩戴模型的训练、统计车流量及人流量、记录闯红灯行人及机动车图片信息、车牌检测、人脸检测。通过定位人脸与头盔、对输入图片进行分类,进而达到判断目标是否佩戴头盔的目的。系统的总体思想为:先对视频流中的人行道位置进行检测,当检测到当前红绿灯状态为红灯时,即车辆通过人行道视为违规,记录车辆的车牌信息;当检测到当前红绿灯状态为绿灯时,即行人通过则视为闯红灯,记录行人的照片信息,并且发送至终端系统,进行人脸检测与识别。本文在统计非机动车辆信息后,会对非机动车辆的车主进行是否戴头盔检测,并且将违规车主信息记录。