典型文献
基于目标检测的驾驶人分神驾驶行为检测方法研究
文献摘要：
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.
文献关键词：
交通安全;分神驾驶;目标检测;实时监测;注意力机制
中图分类号：
作者姓名：
何廷全;俞山川;张生鹏;兰栋超;李刚
作者机构：
广西新发展交通集团有限公司,广西 南宁 530029;招商局重庆交通科研设计院有限公司,重庆 400067;长安大学 电子与控制工程学院,陕西 西安 710064;长安大学 能源与电气工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]何廷全;俞山川;张生鹏;兰栋超;李刚-.基于目标检测的驾驶人分神驾驶行为检测方法研究)[J].公路交通科技,2022(10):153-161
A类：
分神驾驶,检测器头部,BottlenckCSP
B类：
目标检测,驾驶人,行为检测,短暂性,道路交通安全,安全事故,驾驶员,车辆碰撞,碰撞风险,和图像,图像处理算法,实时检测,处理手段,YOLOv5,模型框架,架上,动态优化,锚框,加特,特征选择,特征点,主干网络,输入特征,特征映射,直接连接,删除,特征信息,注意力机制,关键特征,分类精度,从总体上,信息丢失,驶动,深度学习网络,网络参数,计算量,Kaggle,危险驾驶行为,驾驶行为数据,训练数据集,测试集,检测精度,召回率,试验环境,检测速度,FPS
AB值：
0.302371
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
