江苏大学学报(自然科学版)

作者：王彬，赵作鹏

单位：1. 中国矿业大学 计算机科学与技术学院， 江苏 徐州 221116； 2. 江苏联合职业技术学院 信息技术系， 江苏 徐州 221008<br />

关键词：驾驶员, 姿态估计,特征融合,全卷积网络,迁移学习

基金：国家自然科学基金资助项目（61976217）； 徐州市重点研发计划项目（KC18082）

&nbsp;针对现有姿态估计方法在驾驶室复杂环境条件下发生的非目标误检测和检测精度低的问题，提出了一种基于双流全卷积网络的驾驶员姿态估计方法.该方法通过建立2条独立的FCN（fully convolutional network）分支，分别对关键点坐标及关键点间的连接信息进行预测，同时在2个分支中构建沙漏状的网络结构，增强了网络提取关键信息的能力.为了进一步提高模型的特征提取能力，将浅层与深层网络得到的特征图进行融合.为了验证所提方法的检测效果，采用COCO（common objects in context）数据集和DDS（driver&prime;s driving situation）数据集进行验证.试验结果表明：该方法在COCO数据集和DDS数据集上的检测平均精度分别达到64.5%和78.4%，优于其他3种对比算法；该方法可以提高驾驶员人体姿态的检测精度，具有较好的鲁棒性.

来源：2022年第2期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2022年第2期