改进YOLOv5的轻量级不规范驾驶行为实时检测

针对现有的不规范驾驶行为检测算法占用内存多、计算量大、难以在边缘设备部署且在昏暗条件下对检测目标有干扰等问题,提出了一种改进YOLOv5模型的轻量级不规范驾驶行为实时检测算法。将SE注意力机制引入到YOLOv5模型的Backbone网络部分,再将Backbone网络里的CSP模块替换为轻量化的GhostBottleNeck网络模块,从而减少模型的参数量;将原网络中的激活函数改进成SiLU函数,可提高模型检测的准确率,增强模型的鲁棒性;对改进的模型以及原网络进行相关的测试,验证所修改方法的有效性以及实时性。实验结果表明,改进后的YOLOv5-GS算法提高了对不规范驾驶行为的检测精度,参数量降低20.75%,检测速度提升75%,极大地降低了所需的硬件成本,适用于在小型边缘设备上部署。

司机规范驾驶语音提示系统

随着人们生活水平提高,汽车成为了人们日常必备的交通工具,与此同时,驾驶员在行车过程中也可能存在一些不规范驾驶行为,针对这一情况设计了本系统。系统用热释电红外传感器、红外对管和压力检测传感器作为系统检测部分,采用控制器对不同情况进行检测和处理,并设置针对性的语音提示,能有效降低交通事故发生可能性。