您现在的位置是: 查看项目信息
项目编号: 201710359067
项目名称: 基于机器学习的驾驶人员安全带识别关键技术开发
所属院系: 软件学院
项目主持人: · 姓名:费志伟
· 专业:2015软件工程
· Email:1787499335@qq.com
项目成员: · 姓名:谷昊远
· 专业:2015软件工程
· Email:1367449448@qq.com
项目成员: · 姓名:刘延祺
· 专业:2015软件工程
· Email:
指导教师1: · 姓名:邵堃
· 职称:副教授
· 研究方向:
项目内容简介: 项目主要结合两项技术,运用多种计算机图像处理技术识别驾驶员所在区域;结合机器学习来实现自动检测驾驶员是否系了安全带。通过读取2万多张卡口图片剪取有安全带的部分来训练程序达到识别是否带了安全带这一模式。本项目中主要涉及到运用及机器学习理论的图像处理技术,如利用PSO算法和二维最大熵的图像分割技术,CNN卷积神经元网络等方法。如何实现在复杂环境图片中高效准确的识别出未系安全带人员的信息是一项非常有挑战的任务。
项目特色与创新点: 1.本项目主要涉及到计算机视觉,计算机视觉=图像处理+机器学习。图像处理技术用于将图像处理为适合进入机器学习模型中的输入,机器学习则负责从图像中识别出相关的模式。计算机视觉相关的应用非常的多,例如百度识图、手写字符识别、车牌识别等等应用。这个领域是应用前景非常火热的,同时也是研究的热门方向。随着机器学习的新领域深度学习的发展,大大促进了计算机图像识别的效果,因此未来计算机视觉界的发展前景不可估量。 2.在Ubuntu上搭建caffe框架(http://caffe.berkeleyvision.org/),运用Python,OpenCV及matlab等一些编程语言和工具。采用的核心技术是机器学习,图像识别,这两项在计算机科学里都是很热门的技术。 3.运用到CUDA运算平台进行GPU与CPU进行并行计算,提高计算效率。并行计算在国外的研究还是相当多的,可以运用到机群系统,超级计算机等领域。 4.对一些算法的研究,有利于国内图像识别技术的更好发展。 5.深度学习框架—卷积神经网络的应用: 在众多深度学习架构中,卷积神经网络是得到最深入研究的。在经过多次方法的改良和完善,以及GPU加速计算的兴起,卷积神经网络再次成为深度学习中最有发展潜力的研究方向。 6.将图像识别运用于交通上,实现智能交通。并可将该项目进行推广,例如,识别马路上的交通标志,检测图像中的物体并构造语句等等,这些都是无人驾驶汽车,人工智能等重大领域的子问题。