公开(公告)号：CN118552939A

公开(公告)日：2024-08-27

申请号：CN202410470930.7

申请日：2024-04-18

Applicant: 大连海事大学

Inventor： 于长东 ,  李睿杰 ,  覃相荣 ,  安昕 ,  刘百胜 ,  揣雯惠 ,  赵金鹏 ,  谢新强

IPC: G06V20/59 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06V10/52

Abstract: 本发明公开了一种基于YOLO‑SGC的危险驾驶视觉检测方法，包括以下步骤：构建用于危险驾驶视觉检测的YOLO‑SGC网络模型，且包括用于危险驾驶行为特征提取的改进骨干网络、用于危险驾驶行为多尺度特征融合的改进颈部网络以及用于危险驾驶行为预测的头部网络；根据训练集与验证集对YOLO‑SGC网络模型进行模型训练与模型验证，以获取最优YOLO‑SGC网络模型；且模型训练包括：基于改进骨干网络对训练集中的危险驾驶行为图像进行特征提取训练，以获取多尺度特征图；基于改进颈部网络对多尺度特征图进行特征融合训练获取融合特征图；基于头部网络根据融合特征图进行危险驾驶行为预测训练；模型验证包括：通过验证集对模型训练后的YOLO‑SGC网络模型进行验证试验，以获取网络模型的最优参数权重并重构YOLO‑SGC网络模型，获取最优YOLO‑SGC网络模型；基于最优YOLO‑SGC网络模型根据测试集实现车辆危险驾驶行为的预测。本发明解决了针对传统视觉检测方法在多尺度融合上的不足，并专注于全局的危险驾驶行为检测，大大降低了对多尺度危险驾驶的检测性能的问题。