用于改善行人安全的雪检测图像分类
计算机视觉与模式识别
2024-07-02 v1
摘要
本研究提出了一种计算机视觉方法，用于检测人行道和路面上的雪，以减少与冬季相关跌倒受伤的风险，尤其是针对老年人和视力受损者。通过对VGG-19和ResNet50卷积神经网络（CNN）进行微调，研究聚焦于识别路面图像中的雪 Presence。数据集包含98张人行道图像，均匀分为雪地和无雪条件，使用单独的测试集进行评估，采用F1分数和准确率等指标。该工作在现有研究基础上采用微调的CNN架构准确检测路面上的雪，从智能手机捕获的图像。该方法论证采用迁移学习和模型集成技术，将VGG19和ResNet50架构的最佳预测相整合。该研究获得了81.8%的准确率和81.7%的F1分数，展示了计算机视觉在解决冬季相关危险问题方面的潜力，尤其是针对易受伤人群。
引用
@article{arxiv.2407.00818,
title = {Image Classification for Snow Detection to Improve Pedestrian Safety},
author = {Ricardo de Deijn and Rajeev Bukralia},
journal= {arXiv preprint arXiv:2407.00818},
year = {2024}
}
备注
5 pages 1 figure 1 table Included in MWAIS - 2024 Conference Proceedings Chair: Jacob Young