<div>
	面向多场所的基于深度学习电动车
</div>
<div>
	智能安全检测系统
</div>

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要

针对电动车充电不规范发生火灾和电动车是否在道路规范行驶的安全问题，提出一个基于深度学习的电动车智

能检测系统，通过YOLOv 3-MobileNetv1网络设计检测电动车训练模型，能够在图片、视频以及外接摄像头识别电动车，并通

过警报声进行警告。本论文将YOLOv 3的主干网络Darknet-53替换为MobileNetv1作为训练模型，通过实验证明了更换主干

网络的YOLOv 3模型其识别速度性能得到了提高；其次运用OpenCV来获取视频流并逐帧识别；最后使用PyQt 5在pycharm

平台设计出桌面应用程序将结果可视化。

关键词 ：

YOLOv 3, MobileNv1, 目标检测, 卷积神经网络

年卷期日期: 2022-10-01 出版日期: 2023-08-18

引用本文:

张梓浩刘鹏浩谢汉辉邵国林吴振凯张嘉利.

面向多场所的基于深度学习电动车

智能安全检测系统

[J]. 电脑与电信, 2022, 1(10): 40-44.

链接本文:

[1]	张碧川　刘卫东　米浩　景亚宁. 基于轻量化YOLOv8的安全帽检测[J]. 电脑与电信, 2024, 1(1): 35-39.
[2]	何宗熹蒋明忠谢铭霞庞家宝陈秋艳胡益博. 基于YOLOv8和人脸关键点检测的驾驶员疲劳驾驶识别算法设计[J]. 电脑与电信, 2023, 1(11): 1-6.
[3]	周广证胡玉芬. 基于手势控制的智能小车研究与设计 [J]. 电脑与电信, 2022, 1(7): 14-.
[4]	钟冠华黄巍. 基于多特征提取网络的视觉关系检测方法研究 [J]. 电脑与电信, 2022, 1(7): 67-.
[5]	王鹏程苏一水王茂发. 基于神经网络的面包智能溯源系统 [J]. 电脑与电信, 2022, 1(5): 19-.
[6]	管尧朱凯. 基于雾天条件下交通道路上的目标检测 [J]. 电脑与电信, 2022, 1(5): 69-.
[7]	包成耀丁霄霏戴立奇吴宗霖杨艳红. 基于YOLO的轻量化目标检测应用研究[J]. 电脑与电信, 2021, 1(8): 26-29.
[8]	马金峰. 基于密集连接卷积结构的人脸表情识别研究[J]. 电脑与电信, 2021, 1(4): 1-5.
[9]	徐铭源杨艳红. 基于深度学习的行李检测系统的设计[J]. 电脑与电信, 2021, 1(4): 36-40.
[10]	戴晓芳. 一种基于压缩感知的运动目标检测技术[J]. 电脑与电信, 2019, 1(5): 64-67.
[11]	赵彤洲王海晖. MFR-MAP相结合的运动目标检测方法研究[J]. , 2010, 1(10): 0-0.
[12]	罗国强. 视频中运动目标检测算法研究及实现[J]. , 2010, 1(05): 0-0.