随着我国城市交通的不断发展,非机动电动车的数量不断上升,绿色出行的同时,交通事故也日益增多。为了保证非机动电动车骑行人在道路上的安全,国家逐步制定法规,要求出行需佩戴头盔,各地交通部门执行检查与处罚,对骑行人佩戴头盔的自动...随着我国城市交通的不断发展,非机动电动车的数量不断上升,绿色出行的同时,交通事故也日益增多。为了保证非机动电动车骑行人在道路上的安全,国家逐步制定法规,要求出行需佩戴头盔,各地交通部门执行检查与处罚,对骑行人佩戴头盔的自动检测也提上了日程。提出用改进YOLOv5算法视频识别头盔佩戴情况,通过自组织非机动电动车骑行人头盔佩戴情况的数据集,选取聚类算法修改初始锚定框参数。然后,改进算法来适应样本集合,利用聚合输出网络提高判别的准确率。其中,采用迁移学习来减少训练资源的消耗。经各种场景实验测试的结果表明,在每秒30帧视频流下,检测的均值平均精度(mean average precision,mAP)达到了94.53%,满足对头盔佩戴检测精度和速度的要求。展开更多
文摘随着我国城市交通的不断发展,非机动电动车的数量不断上升,绿色出行的同时,交通事故也日益增多。为了保证非机动电动车骑行人在道路上的安全,国家逐步制定法规,要求出行需佩戴头盔,各地交通部门执行检查与处罚,对骑行人佩戴头盔的自动检测也提上了日程。提出用改进YOLOv5算法视频识别头盔佩戴情况,通过自组织非机动电动车骑行人头盔佩戴情况的数据集,选取聚类算法修改初始锚定框参数。然后,改进算法来适应样本集合,利用聚合输出网络提高判别的准确率。其中,采用迁移学习来减少训练资源的消耗。经各种场景实验测试的结果表明,在每秒30帧视频流下,检测的均值平均精度(mean average precision,mAP)达到了94.53%,满足对头盔佩戴检测精度和速度的要求。
