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
2
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
基于视觉面部特征疲劳驾驶检测方法
1
作者
孙翠羽
雷皓安
+3 位作者
范谦
马飞虎
谢天长
李明
《交通科技与经济》
2025年第2期57-65,共9页
针对疲劳驾驶引起因素复杂多变、判定标准不明确和难以及时察觉等问题,提出一种基于嵌入式多层感知机(Embedding-MLP)的疲劳驾驶检测方法,驾驶视频数据使用基于RepGhost-Retinaface的人脸面部特征识别模型确定驾驶员人脸位置坐标信息,使...
针对疲劳驾驶引起因素复杂多变、判定标准不明确和难以及时察觉等问题,提出一种基于嵌入式多层感知机(Embedding-MLP)的疲劳驾驶检测方法,驾驶视频数据使用基于RepGhost-Retinaface的人脸面部特征识别模型确定驾驶员人脸位置坐标信息,使用RepGhost-PFLD人脸关键点检测模型提取人脸关键点信息,并将其作为疲劳驾驶识别模型的数据集,提出基于Embedding-MLP的驾驶员疲劳检测模型。结果显示,基于Embedding-MLP的疲劳检测模型AUC值为0.94,Accuracy值为0.87,Precision值为0.87,F1值为0.86,Recall值为0.87,相较于实验中的对比模型,该模型各项评价指标效果最优,有利于对驾驶员疲劳驾驶状态进行识别。
展开更多
关键词
交通工程
疲劳驾驶检测方法
多层感知机
重参数化技术
视觉面部特征
在线阅读
下载PDF
职称材料
基于RFE-OPTUNA-XGBoost模型的高速公路逃费模式识别
2
作者
马飞虎
雷皓安
+1 位作者
孙翠羽
罗佳洁
《应用科学学报》
CAS
CSCD
北大核心
2024年第5期857-870,共14页
受经济利益驱动,中国高速公路逃费行为频繁发生。为此,该文选取了2020年某研究区域的脱敏通行数据,通过数据挖掘分析逃费车辆的行为特征,提出一种基于递归特征消除算法和OPTUNA优化框架的极限梯度提升树(recursive feature elimination-...
受经济利益驱动,中国高速公路逃费行为频繁发生。为此,该文选取了2020年某研究区域的脱敏通行数据,通过数据挖掘分析逃费车辆的行为特征,提出一种基于递归特征消除算法和OPTUNA优化框架的极限梯度提升树(recursive feature elimination-OPTINAextreme gradient boosting,RFE-OPTUNA-XGBoost)的逃费模式识别模型,该识别模型准确率达到了0.945,各逃费方式的平均接受者操作特性曲线下面积值(area under curve,AUC)分别为:大车小标0.997、U/J型0.980、假绿通0.969、冲岗0.924。结果证明,基于RFE-OPTUNA-XGBoost的模型对于逃费模式识别的准确程度及各逃费模式的AUC值都更高。综上所述,提出的基于RFE-OPTUNA-XGBoost的高速公路逃费车辆逃费的识别模型能精准识别逃费模式。在实际应用中,对于高速公路管理部门展开稽查工作具有重大现实意义。
展开更多
关键词
高速公路
逃费模式识别
数据挖掘
机器学习
在线阅读
下载PDF
职称材料
题名
基于视觉面部特征疲劳驾驶检测方法
1
作者
孙翠羽
雷皓安
范谦
马飞虎
谢天长
李明
机构
华东交通大学交通运输工程学院
江西通慧科技集团股份有限公司
江西省交通科学研究院有限公司
出处
《交通科技与经济》
2025年第2期57-65,共9页
基金
国家重点研发计划项目(2021YFE0105600)
江西省03专项及5G项目(20212ABC03W04)。
文摘
针对疲劳驾驶引起因素复杂多变、判定标准不明确和难以及时察觉等问题,提出一种基于嵌入式多层感知机(Embedding-MLP)的疲劳驾驶检测方法,驾驶视频数据使用基于RepGhost-Retinaface的人脸面部特征识别模型确定驾驶员人脸位置坐标信息,使用RepGhost-PFLD人脸关键点检测模型提取人脸关键点信息,并将其作为疲劳驾驶识别模型的数据集,提出基于Embedding-MLP的驾驶员疲劳检测模型。结果显示,基于Embedding-MLP的疲劳检测模型AUC值为0.94,Accuracy值为0.87,Precision值为0.87,F1值为0.86,Recall值为0.87,相较于实验中的对比模型,该模型各项评价指标效果最优,有利于对驾驶员疲劳驾驶状态进行识别。
关键词
交通工程
疲劳驾驶检测方法
多层感知机
重参数化技术
视觉面部特征
Keywords
traffic engineering
fatigue driving detection methods
multilayer perceptron
reparameterization techniques
visual facial features
分类号
U419 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
基于RFE-OPTUNA-XGBoost模型的高速公路逃费模式识别
2
作者
马飞虎
雷皓安
孙翠羽
罗佳洁
机构
华东交通大学交通运输工程学院
江西省智能交通基础设施工程研究中心
出处
《应用科学学报》
CAS
CSCD
北大核心
2024年第5期857-870,共14页
基金
国家重点研发计划项目(No.021YFE0105600)
国家自然科学基金面上项目(No.51978263)
江西省自然科学基金重点项目(No.20192ACBL20008)资助。
文摘
受经济利益驱动,中国高速公路逃费行为频繁发生。为此,该文选取了2020年某研究区域的脱敏通行数据,通过数据挖掘分析逃费车辆的行为特征,提出一种基于递归特征消除算法和OPTUNA优化框架的极限梯度提升树(recursive feature elimination-OPTINAextreme gradient boosting,RFE-OPTUNA-XGBoost)的逃费模式识别模型,该识别模型准确率达到了0.945,各逃费方式的平均接受者操作特性曲线下面积值(area under curve,AUC)分别为:大车小标0.997、U/J型0.980、假绿通0.969、冲岗0.924。结果证明,基于RFE-OPTUNA-XGBoost的模型对于逃费模式识别的准确程度及各逃费模式的AUC值都更高。综上所述,提出的基于RFE-OPTUNA-XGBoost的高速公路逃费车辆逃费的识别模型能精准识别逃费模式。在实际应用中,对于高速公路管理部门展开稽查工作具有重大现实意义。
关键词
高速公路
逃费模式识别
数据挖掘
机器学习
Keywords
highway
toll evasion patterns identification
data mining
machine learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
基于视觉面部特征疲劳驾驶检测方法
孙翠羽
雷皓安
范谦
马飞虎
谢天长
李明
《交通科技与经济》
2025
0
在线阅读
下载PDF
职称材料
2
基于RFE-OPTUNA-XGBoost模型的高速公路逃费模式识别
马飞虎
雷皓安
孙翠羽
罗佳洁
《应用科学学报》
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
