基于人体关键点的分心驾驶行为识别

摘要：

驾驶员分心驾驶是造成交通事故的主要原因之一,利用车载设备识别驾驶员是否存在分心行为是当下亟须解决的问题.识别驾驶员是否存在分心行为的关键,在于正确理解驾驶员的姿态.对此,文中提出一种使用驾驶员的人体关键点位置信息来帮助卷积神经网络识别驾驶员是否分心驾驶的方法.通过加入人体关键点的位置信息,可以有效地使得卷积神经网络关注于驾驶员的姿态,减少背景信息的干扰.使用Alpha Pose系统获取驾驶员上半身9个关键点的坐标,利用高斯公式分别以每个关键点为中心生成热力图.热力图包含关键点位置的响应,离关键点越近的位置,响应值越大.在VGG16和ResNet50的基础上,探讨8种结构,分别将9张热力图和不同的特征图融合,作为下一个卷积的输入.实验结果表明,该方法在State Farm数据集上达到了94.934％的准确率,优于其他方法.

关键词：分心驾驶、人体关键点、卷积神经网络、热力图、深度学习

所属期刊栏目：29

分类号：TP391.4;TP183(计算技术、计算机技术)

资助基金：航空科学基金20120952022

在线出版日期：2019-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5