收藏 分销(赏)

基于改进YOLO-MobileNet的近红外图像特征驾驶员人脸检测.pdf

上传人:自信****多点 文档编号:2266957 上传时间:2024-05-24 格式:PDF 页数:5 大小:4.64MB
下载 相关 举报
基于改进YOLO-MobileNet的近红外图像特征驾驶员人脸检测.pdf_第1页
第1页 / 共5页
基于改进YOLO-MobileNet的近红外图像特征驾驶员人脸检测.pdf_第2页
第2页 / 共5页
基于改进YOLO-MobileNet的近红外图像特征驾驶员人脸检测.pdf_第3页
第3页 / 共5页
亲,该文档总共5页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

1、 收稿日期:作者简介:苏 童()男安徽芜湖人硕士生文章编号:()基于改进 的近红外图像特征驾驶员人脸检测苏 童(安徽理工大学 计算机科学与工程学院安徽 淮南)摘要:针对暗光环境下驾驶员人脸检测问题提出了一种基于改进 轻量级深度学习算法的近红外图像特征驾驶员人脸检测方法 以高于人眼敏感范围但在 响应范围内的近红外光对人脸进行补光使用摄像头采集图像通过经改进并且轻量化的 网络进行特征提取 试验结果表明:在 数据集上改进后的算法检测精度为.算法为.改进后检测精度降低了.但检测速度提高了.毫秒关键词:驾驶员人脸检测近红外图像中图分类号:文献标志码:近年来随着我国国民生活水平的提高我国机动车保有量连年激

2、增随之而来的交通安全问题也不容忽视 据统计在夜间光照条件恶劣的环境下发生的交通事故约占总事故的 驾驶员疲劳驾驶危险驾驶等也多数发生在夜间 因此在夜间对驾驶员的状态进行监测就显得尤为重要在对驾驶员进行检测时使用摄像头进行图像采集这种方式对驾驶员的影响最小也是最可行的方式 但普通的摄像头无法胜任在夜间的工作因此本文采用了波长在 范围内的近红外光配合硅基 传感器进行图像的采集人眼对波长在 范围内的电磁波较为敏感而对于图像采集设备常用的 来说能够感应到的最大波长约为 因此波长在 范围内的电磁波既可以被 感应到又可以对驾驶员不造成任何影响传统的面部识别技术多采用 检测算法如 算法其工作原理是先生成可能包

3、含被检测物体的候选框()然后再对每个候选框进行分类并不断优化其框选区域 由于需要不断检测和分类以达到最优状态其运行速度相对较慢 而另一种 目标检测算法(也称 )其特点是仅需将图片送入网络一次通过一次检测和分类就可以识别出图片当中的信息因而速度较快非常适合嵌入式设备 典型的如 以及 针对驾驶时要求识别速度快但嵌入式设备算力低的问题本文将 网络结合 网络进行轻量化并对其 模块进行改进优化网络在嵌入式设备上的运行速度 为夜间驾驶员面部识别相关研究提供了基础 网络 是基于深度学习的 回归方法其主要由 个部分构成:其结构如图 所示 与 相比 在 部分并没有太大的变化但在 部分将 换成了两者作用一样但后者

4、效率更高二者结构如图 所示 并联了多个不第 卷 第 期 年 月兰州工业学院学报 .同大小的 再进行融合而 则是串联了多个 二者都能在一定程度上解决多尺度目标问题图 结构图 结构图 结构 网络 网络是 针对手机等嵌入式设备提出的一种轻量级的卷积神经网络其核心思想为深度可分离卷积将标准卷积分解成一个深度卷积和一个 的点卷积可以有效地减少网络参数 采用的是标准残差输入通道数会限制特征提取并且在网络的最后采用了 激活函数会造成 部分的卷积核废掉 则采用了倒置残差解决了特征受限于通道数的问题并将 替换为 线性激活函数避免了特征信息进一步丢失造成的 部分的卷积核废掉 而在 年提出的 模型中在继承前两代轻量

5、化的基础上采用互补搜索算法减少了计算开销运行速度有了很大提升网络深层使用 激活函数提高精度的同时进一步减少了延时 并且还提出了一大一小 种模型可根据任务规模选择更为合适的模型 改进 网络车载嵌入式设备相较于桌面端处理器算力相对较低并且对于与驾驶员交互的应用场景而言响应速度是非常重要的一项性能指标 过于复杂的模型可能会在运行的过程中面临内存不足等问题 并且车载嵌入式处理器还需要应对驾驶时的各种辅助操作 因此一种紧凑并且高效的检测模型对于这些应用场景来说至关重要 主干特征提取网络采用 结构检测速度较慢并且参数量较大并不适用于嵌入式设备 但其回归的思想在检测精度上具有较大的参考价值 因此将 的主干特

6、征提取网络替换为更轻量级的 网络并且针对近红外图像的特点进行优化以实现模型的轻量化以实现速度与精度兼得.改进特征提取网络 网络的最轻量级模型 通过 组特征层进行下采样对输入图片进行降维图像尺寸不断减小深度不断增加然后再通过 组卷积层进行升维而后进入检测层再一次降维最后输出检测结果 为实现轻量化目标将该网络模型的特征提取部分替换为 模型此外针对近红外图像为单通道图像的特点对网络结构进行优化将整个网络的卷积维度进行适当降低并对整个网络进行剪枝压缩.部分优化针对 网络的 部分优化单纯靠降低输入来减少运算对检测效果损失很大并且模型体积并没有减少 因此可以通过添加 正则来约束 层系数使得系数稀疏化通过稀

7、疏训练后裁剪掉稀疏较小的层 因为稀疏小的层对应激活也会很小因此对最后的结果影响也很有限 层计算公式为 .所以每个 激活大小 和系数 正相第 期 苏 童:基于改进 的近红外图像特征驾驶员人脸检测关如果 太小接近于 那么激活值也非常小通过添加 正则约束即()()()().上式第一项为正常训练的 函数第二项为约束其中 ()是正则系数根据数据集调整 将参数稀疏化并且在反向传播的时候改为 ()().在 层权重乘以权重的复合函数输出及系数即可另外 部分也存在多个 结构为减少参数量对其进行优化 中的 模块是由 个 的卷积层夹着一个 卷积层组成通过 卷积层来降维和升维让 卷积层成为输入/输出维数更小的瓶颈 虽

8、然原有的 减少了参数量但还存在进一步优化的空间 参照 的分离卷积操作对其先进行 再进行 通过计算可以看出修改后大大减少了该模块的参数量.部分优化针对 部分的 网络的优化由于 网络采用的深度可分离卷积操作已经使得卷积核的数量大大降低得益于近红外图像为单通道图像的特点可将卷积核数量进一步压缩输入 部 分 改 进 如 图 所 示 可 以 看 出:对于 图像的卷积需要九个 网络仅需要 个 而针对近红外图像进行优化的网络仅仅需要 个 这在网络的参数量上得到了极大的简化图 输入部分改进 试验分析.试验环境试验环境的操作系统为 专业版为 .内存为 编译语言为 .深度学习框架为.版 本 为.基 准 模 型 选

9、 择 轻量化版本 和 的小型版本 .数据集由于近红外图像数据集种类和数量都比较少为了更加贴合真实夜间驾驶场景试验收集了 类公共的近红外人脸图像()并且加上了重新采集的图像自建数据集(见图)整合 类数据集的图像一共 多张图片包含各类发型、姿势及服装配饰并且使用 工具重新整理标签对于是否佩戴眼镜进行区分采集设备采用索尼 传感器传感器尺寸为/.英寸有效像素为 万红外补光波长为 采集地点为车内驾驶位传感器置于仪表台上方图 数据集图像 由于近红外图像里主体与背景差别非常突出随机打乱并划分非常容易导致过拟合 试验前先将数据集按照拍摄角度分为正前方、左侧方、右侧方、上方、下方 个子集以模拟在驾驶过程中驾驶员

10、头部的动作然后对每个子集以 的比例进行顺序划分分别作为训练集、验证集、测试集.试验结果与分析针对以上对算法的改进相较于其他算法设计了模型参数量、检测精度、检测速度 个方面进行比较分析来验证该算法的优越性)模型大小 在模型参数量方面 种网络的对比如表 所示 兰州工业学院学报 第 卷表 模型参数量对比模型参数量 试验结果表明经过优化的 在参数量上远低于原来的 个模型训练后的最优模型大小为.为能够在内存空间有限的嵌入式设备上正常运行提供了可能)检测精度 检测精度对比见表 表 检测精度对比模型/.试 验 结 果 表 明 的 检 测 精 度 为.的检测精度为.所构建的 检测精度为.模型的轻量化的确带来了

11、一定的精度下降但也并没有出现太大的差距 检测结果见图 图 检测结果 )检测速度 在检测速度方面对训练完成的 进行检测速度对比(见图)试验过程不使用 加速仅使用 运算所构建的 模型检测速度远高于另外二者达到了./张 综上所述本文搭建的 模型在轻量化方面要优于一般轻量级算法并且在检测精度上也没有出现明显的落后 该模型具有较高的检测速度能够达到./张具有一定的检测精度达到.参数量也比较少为 适用于暗光环境下的驾驶员人脸检测图 种模型检测速度对比 结语针对暗光环境下驾驶员人脸检测问题提出了一种基于改进 轻量级深度学习算法的近红外图像特征驾驶员人脸检测方法 在保证检测精度的同时大幅提高检测速度降低运算量

12、为在嵌入式设备中正常运行提供了理论支撑在下一步的工作中根据不同光照条件下的检测环境进行相应的图像预处理进一步提升模型的普适性同时进一步优化模型结构将模型搭载于嵌入式设备参考文献:中华人民共和国统计局.中国统计年鉴.北京:中国统计出版社:./:.:/():.:/.蔡逢煌张岳鑫黄捷.基于 与注意力机制的桥梁表面裂痕检测算法.模式识别与人工智能():.高淑萍赵清源齐小刚等.改进 的图像分类方法研究.智能系统学报():.(下转第 页)第 期 苏 童:基于改进 的近红外图像特征驾驶员人脸检测 乔虎生陈祥恩.关于求解齐次线性方程组的一个新方法.大学数学():.王卿文.线性代数核心思想及应用.北京:科学出版社:.():.:(责任编辑:杨春玲)(上接第 页)():.:(责任编辑:杨春玲)兰州工业学院学报 第 卷

展开阅读全文
相似文档                                   自信AI助手自信AI助手
猜你喜欢                                   自信AI导航自信AI导航
搜索标签

当前位置:首页 > 学术论文 > 论文指导/设计

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        获赠5币

©2010-2024 宁波自信网络信息技术有限公司  版权所有

客服电话:4008-655-100  投诉/维权电话:4009-655-100

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :gzh.png    weibo.png    LOFTER.png 

客服