论文部分内容阅读
基于深度学习的驾乘人员异常行为识别算法研究
【摘 要】
：
网约车的快速发展,给社会和人民带来良好服务体验的同时,也引发了大量的驾驶员和乘客的人身安全事故,网约车内驾乘人员的异常行为是造成这些事故的主要原因。现有识别方法识别的行为不够全面,大多情况下都是依据事后报告分析,识别效率低、适用性差。基于深度学习的识别方法能够通过多层神经网络自主学习分析图像中的高级特征,为驾乘人员异常行为识别问题提供了新型智能的处理方法。因此,开展基于深度学习的驾乘人员异常行为识
【机 构】
：
中北大学
【出 处】
：
中北大学
【发表日期】
：
2021年01期
【基金项目】
：
其他文献
随着科学技术的发展,微位移测量技术已经被应用在了各个领域,微位移测量主要包括两种测量方式,一种是接触式测量,另一种是非接触式测量。其中非接触式测量以其不存在接触力且有着测量范围广、速度快、量程大等优点,逐渐成为了微位移测量技术的主要发展方向。其中,光电位置传感器(PSD)作为非接触式测量的优秀器件和光外差测量技术作为非接触式测量优越的测量方法在非接触式测量中都起着极其重要的作用。首先,本文在对PS
学位
人体隔墙检测是近些年发展起来的一种全新的环境感知技术,可以应用到反恐人质救援、自然灾害救援、安全监测、入侵检测及城市巷战等众多领域。穿墙雷达是目前最为常见的隔墙检测系统,使用时会存在较多问题,如成本高、操作复杂等问题,无法应用于很多民用场合。针对上述需求和目前隔墙探测装备存在的问题,本文基于特高频小带宽、低成本、墙体穿透性能好,对人体基本无伤害的特点,研究了一种基于特高频的人体隔墙检测技术,本文主
学位