原文传递
基于改进MobileNet-SSD网络的驾驶员分心行为检测
| 题名： | 基于改进MobileNet-SSD网络的驾驶员分心行为检测 |
| 作者： | 杜婋龙;余华平 |
| 作者单位： | 长江大学计算机科学学院 |
| 关键词： | 交通安全;分心行为检测;计算机视觉;卷积神经网络;驾驶员行为;目标检测 |
| 摘要： | 驾驶员在驾驶时出现分心行为容易诱发交通事故。为了能对驾驶员在驾驶时的分心行为进行快速、准确识别，从而降低交通事故的发生率，保障人民生命财产安全。首先，将数据集进行分析评估，筛选出7种驾驶员分心状态，并制作成Voc2017格式数据集；其次，通过深度可分离卷积替换SSD(VGG16)网络中特征提取层的方法减少网络参数量，形成MobileNet-SSD网络模型，使模型使用场景更适合车内检测，并在浅层网络中加入HDC处理模块改进网络的特征提取层，在网络中利用该模块提高特征提取能力，有效应对浅层网络特征提取时的特征丢失现象。然后对改进后的特征提取层进行网络叠加处理，使其可以进行多尺度融合提取特征，使网络鲁棒性提升，增强网络对驾驶员行为检测的性能，构成新的MH-SSD检测网络模型，随后，使用迁移学习方法对改进后的网络进行训练。最后，使用测试集和自制的短视频对改进后的网络进行测试评估，再通过对照组进一步说明改进后网络优势。结果表明，改进后的网络值达到94.01%，较MobileNet-SSD网络模型高2%，网络参数量为SSD(VGG16)的1/2，网络检测实时帧数保持在25fps以上，改进后的网络可以实时，准确地识别7种分心行为。MH-SSD网络可实现驾驶员分心行为实时检测，为下一步研究打下了良好基础。 |
| 期刊名称： | 公路交通科技 |
| 出版日期： | 202203 |
| 出版年： | 2022 |
| 期： | 03 |
| 页码： | 160-166 |
检索历史
应用推荐
