期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的列车司机手势识别
1
作者
李小平
孙守庆
+1 位作者
代旭鹏
朱高伟
《传感器与微系统》
北大核心
2025年第7期102-105,110,共5页
针对列车司机值乘过程中同一动作因胳膊角度、手指指向不同而有不同含义的问题,提出了一种基于改进Mask R-CNN的司机关键帧动作识别模型。通过将Mask R-CNN中的主干网络ResNet替换为轻量化网络MobileNetV3,实现轻量化的同时使用SE模块...
针对列车司机值乘过程中同一动作因胳膊角度、手指指向不同而有不同含义的问题,提出了一种基于改进Mask R-CNN的司机关键帧动作识别模型。通过将Mask R-CNN中的主干网络ResNet替换为轻量化网络MobileNetV3,实现轻量化的同时使用SE模块来保证精度。实验结果表明:在司机值乘过程手势动作识别中,它的mAP值达到了95.69%,对同一动作因司机胳膊角度而代表不同含义的两种手部姿势识别的mAP值也分别达到了94.95%和95.16%,同时检测帧率从原来的2.1提高至14。结果表明:所提方法具有较好的识别效果。
展开更多
关键词
列车司机
手势识别值乘
Mask
R-CNN
轻量化网络
在线阅读
下载PDF
职称材料
列车司机手势识别方法研究
2
作者
李小平
代旭鹏
+1 位作者
孙守庆
朱高伟
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第2期533-544,共12页
按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检...
按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP@0.5和平均检测时间分别提升了0.6个百分点和7.1 ms。所提模型可在降低参数量和计算量的同时有效提高检测精度和检测效率,可为列车司机手势识别提供新思路。
展开更多
关键词
列车司机
手势识别
YOLOv5
PConv
CBAM模块
在线阅读
下载PDF
职称材料
列车司机值乘手势识别方法研究
3
作者
李小平
孙守庆
+1 位作者
代旭鹏
朱高伟
《铁道学报》
EI
CAS
CSCD
北大核心
2024年第12期86-95,共10页
针对相同手势由于列车司机手部指向不同而具有不同含义的问题,提出一种基于BP-MPH-MLP的列车司机值乘手势识别算法。首先,通过BlazePose网络对列车司机姿态关键点进行检测,同时对网络的输出结果进行调整,舍弃下肢关键点坐标,只保留上肢...
针对相同手势由于列车司机手部指向不同而具有不同含义的问题,提出一种基于BP-MPH-MLP的列车司机值乘手势识别算法。首先,通过BlazePose网络对列车司机姿态关键点进行检测,同时对网络的输出结果进行调整,舍弃下肢关键点坐标,只保留上肢的关键点坐标。其次,通过MediapipeHands进行手部关键点检测,获取手部姿态信息。最后,计算出司机身体和手部的欧氏距离以及角度,生成基于司机姿态的手势关键点参数矩阵,并使用多层感知机(MLP)网络识别出值乘手势。在未使用GPU加速的情况下,在测试集上对列车司机值乘过程中八种手势的分类准确率达到96.7%,检测帧率达到30。实验结果表明,提出的方法能有效地识别出不同的手势,并可在移动设备等低算力设备上应用。
展开更多
关键词
列车司机
手势识别
关键点检测
多层感知机
在线阅读
下载PDF
职称材料
题名
基于深度学习的列车司机手势识别
1
作者
李小平
孙守庆
代旭鹏
朱高伟
机构
兰州交通大学自动化与电气工程学院
兰州交通大学机电工程学院
兰州交通大学电子与信息工程学院
出处
《传感器与微系统》
北大核心
2025年第7期102-105,110,共5页
文摘
针对列车司机值乘过程中同一动作因胳膊角度、手指指向不同而有不同含义的问题,提出了一种基于改进Mask R-CNN的司机关键帧动作识别模型。通过将Mask R-CNN中的主干网络ResNet替换为轻量化网络MobileNetV3,实现轻量化的同时使用SE模块来保证精度。实验结果表明:在司机值乘过程手势动作识别中,它的mAP值达到了95.69%,对同一动作因司机胳膊角度而代表不同含义的两种手部姿势识别的mAP值也分别达到了94.95%和95.16%,同时检测帧率从原来的2.1提高至14。结果表明:所提方法具有较好的识别效果。
关键词
列车司机
手势识别值乘
Mask
R-CNN
轻量化网络
Keywords
train driver
hand gesture recognition
Mask R-CNN
light-weight network
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
列车司机手势识别方法研究
2
作者
李小平
代旭鹏
孙守庆
朱高伟
机构
兰州交通大学自动化与电气工程学院
兰州交通大学机电工程学院
兰州交通大学电子与信息工程学院
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024年第2期533-544,共12页
基金
甘肃省科学技术厅“科技助力经济2020”重点专项(SQ2020YFF0403641)。
文摘
按照司乘标准执行规定的手势是列车司机驾驶操作的重要环节,通过对司机手势进行检测,能够有效评估列车司机的驾驶状态和操作质量,保证列车行车安全。传统人工检查方式效率低,难以满足实际需求,现有的手势识别算法存在模型参数量大、检测精度较低、检测速度慢等问题。随着智能铁路的发展,利用深度学习方法构建轻量化、高效、高精度的列车司机手势识别模型逐渐成为行业发展需求。针对上述需求,提出一种基于改进YOLOv5的列车司机手势识别模型。首先,引入轻量化卷积PConv改进YOLOv5中的C3模块,降低检测网络的参数量和计算量,提升模型检测效率,并在其后添加CBAM模块,加强重要特征信息,抑制无关信息的干扰,强化检测网络特征提取能力;其次,在颈部层引入BiFPN网络结构替换PANet网络结构,增强不同尺度特征的融合能力,同时通过新增小目标检测层,提高模型对小目标的检测能力;最后,选择Focal-EIoU作为边界框损失优化模型损失函数,加快模型的收敛速度,提高手势定位精度。实验结果表明,改进模型在测试集下mAP@0.5可达97.7%,平均检测时间为23.2 ms,相较于YOLOv5计算量降低了23.1%,mAP@0.5和平均检测时间分别提升了0.6个百分点和7.1 ms。所提模型可在降低参数量和计算量的同时有效提高检测精度和检测效率,可为列车司机手势识别提供新思路。
关键词
列车司机
手势识别
YOLOv5
PConv
CBAM模块
Keywords
train driver
gesture recognition
YOLOv5
PConv
CBAM module
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
列车司机值乘手势识别方法研究
3
作者
李小平
孙守庆
代旭鹏
朱高伟
机构
兰州交通大学自动化与电气工程学院
兰州交通大学机电工程学院
兰州交通大学电子与信息工程学院
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2024年第12期86-95,共10页
基金
甘肃省科学技术厅“科技助力经济2020”重点专项(SQ2020YFF0403641)。
文摘
针对相同手势由于列车司机手部指向不同而具有不同含义的问题,提出一种基于BP-MPH-MLP的列车司机值乘手势识别算法。首先,通过BlazePose网络对列车司机姿态关键点进行检测,同时对网络的输出结果进行调整,舍弃下肢关键点坐标,只保留上肢的关键点坐标。其次,通过MediapipeHands进行手部关键点检测,获取手部姿态信息。最后,计算出司机身体和手部的欧氏距离以及角度,生成基于司机姿态的手势关键点参数矩阵,并使用多层感知机(MLP)网络识别出值乘手势。在未使用GPU加速的情况下,在测试集上对列车司机值乘过程中八种手势的分类准确率达到96.7%,检测帧率达到30。实验结果表明,提出的方法能有效地识别出不同的手势,并可在移动设备等低算力设备上应用。
关键词
列车司机
手势识别
关键点检测
多层感知机
Keywords
train driver
gesture recognition
key point detection
multilayer perceptron
分类号
U284.95 [交通运输工程—交通信息工程及控制]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的列车司机手势识别
李小平
孙守庆
代旭鹏
朱高伟
《传感器与微系统》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
列车司机手势识别方法研究
李小平
代旭鹏
孙守庆
朱高伟
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
列车司机值乘手势识别方法研究
李小平
孙守庆
代旭鹏
朱高伟
《铁道学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部