论文部分内容阅读
随着汽车保有量的提高,对应的交通拥堵、交通事故也不断增加,因为抽烟等不良驾驶行为造成的交通事故屡见不鲜,对自己和他人都造成很大的危害,很多人已经将汽车安全提到首位。近几年来,计算机硬件不断更新换代,深度学习神经网络得到了快速发展,广泛应用到人脸识别、无人驾驶等领域。本文研究面向机器视觉领域,采用深度学习卷积神经网络算法对驾驶员是否抽烟的状态进行实时识别,并将算法移植到嵌入式运算平台,完成在嵌入式终端的驾驶员抽烟状态实时监测任务。考虑到经典网络参数量过大,嵌入式平台运算能力有限,本文采取轻量化网络结构MobileNet,并借鉴Inception结构扩展特征提取感受野,提出轻量化分类网络结构MobileNet-Inception。基于Caffe深度学习框架,利用DIGITS工具实现MobileNet-Inception算法的训练与测试。最后将训练好的模型移植到TensorRT推理器,部署到Jetson TX2平台,完成终端驾驶员抽烟状态实时性监测任务。为了综合考量本文算法部署在嵌入式终端的运行效果,本文从多个方面进行了实验测试。在主机端,对比了经典算法AlexNet、GoogleNet,轻量级算法MobileNet。结果表明,本文算法在精度上比MobileNet提升4%,内存占用仅提高2.7MB,在保持轻量化特点的同时有一定的性能提升,适合应用在嵌入式平台。在嵌入式终端做了三方面测试:对比了TensorRT与Caffe框架执行效率;综合测试了本文算法在不同场景的执行效果;比较了与经典算法AlexNet、GoogleNet及轻量级算法MobileNet的运行效率。结果表明,本文算法及部署方法在精度和速度上做了权衡,在鲁棒性和能耗方面满足任务要求,能够进行有效识别。