基于目标检测的驾驶人分神驾驶行为检测方法研究

摘要：

驾驶人的分神驾驶行为具有频发性和短暂性,极易引发道路交通安全事故,实时监测驾驶行为并对驾驶员的分神驾驶行为及时预警可有效降低车辆碰撞风险.针对该问题提出了一种基于深度学习和图像处理算法的驾驶人分神驾驶行为实时检测方法,对几种常见分神驾驶行为进行分类和检测.利用图像处理手段,分析分神驾驶行为检测的特点,在YOLOv5模型框架上进行了针对性的改进.首先,在网络中输入模块,采用动态优化方法设定了锚框信息,并在检测器头部之前添加特征选择操作,动态调整了特征点.针对主干网络,将BottlenckCSP网络的输入特征映射与输出特征直接连接,删除了模块的分支卷积,保留了更丰富的浅层特征信息.另一方面,在主干网络增加了注意力机制,提高网络模型提取关键特征的能力,从而提升模型的分类精度及鲁棒性.从总体上解决了特征信息丢失的问题,使模型易于完整的获取驾驶人的所有分神驾驶动作信息,从而减少深度学习网络参数,有效降低模型计算量.对Kaggle危险驾驶行为数据进行再标注,作为训练数据集,对模型进行了优化训练.结果表明:模型在测试集的平均检测精度为95.30％,平均召回率为95.13％,在试验环境下的检测速度达到48.3 FPS,满足分神驾驶实时监测的需求.

关键词：交通安全、分神驾驶、目标检测、实时监测、注意力机制

所属期刊栏目：39

分类号：U471.1

资助基金：广西重点研发计划项目;陕西省重点研发计划项目;国家山区公路工程技术研究中心开放基金项目

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：153-161