基于轻量化网络与嵌入式的分心行为协同检测系统

摘要：

分心驾驶是交通事故发生的主要原因之一.针对目前分心驾驶检测手段单一、检测种类少、检测效率低的问题,提出一种基于轻量化网络与嵌入式的分心行为协同检测系统.首先,结合Ghost模块和通道注意力机制提出一种轻量化目标检测网络YOLO-Ghost,采用CSPGBottleck构建GhostDarknet作为主干网络,同时构建一种具有多尺度注意力机制的多特征融合模块SE-FPN来进行特征融合,根据固有检测场景进行检测头优化,以CIOU(complete-IOU)作为损失函数.采用YOLO-Ghost识别和定位局部特征,提出APJ(anchor position judge)对手动分心行为进行判定;协同检测方面,利用MobileNetv3 与YOLO-Ghost协同进行人脸关键点回归和视线估计;最后利用检测出的多模态信息对驾驶员当前行驶状态进行联合判定.实验结果表明,YOLO-Ghost的准确率和检测速度优于其他主流方法.将算法部署到嵌入式设备中,在NVIDIA Jetson TX1 上实现了 20FPS的实时检测性能,准确性和实时性均达到检测要求.

关键词：协同检测、人物交互、轻量级网络、智能交通、深度学习

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;江苏省高校自然科学研究重大项目;江苏省产学研合作项目;淮阴工学院研究生科技创新计划项目

在线出版日期：2023-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：25-32