原文传递
基于多信息关键点的驾驶员异常行为检测研究
| 论文题名： | 基于多信息关键点的驾驶员异常行为检测研究 |
| 关键词： | 驾驶员;异常行为检测;姿态识别;口罩识别;骨骼关键点;注意力机制 |
| 摘要： | 道路出行车辆的增多使得交通事故也层出不穷，其中很大一部分是由驾驶员的危险操作引起的。驾驶员异常行为检测对提高驾驶员操作的安全性，降低交通事故的发生具有重要意义。在行为检测过程中，车内杂乱的背景和光线一直是影响其检测精度的难题；且驾驶员异常行为方式多样，还可能伴有其他物品出现，增大检测难度；结合近几年外出建议佩戴口罩的情况，口罩佩戴行为检测的需求增大。针对以上情况，本文主要的研究内容如下： 1）提出一种结合骨骼关键点的驾驶员操作手机行为检测算法 针对驾驶员操作手机方式多样，易出现漏检、误检等问题，提出一种结合骨骼关键点的驾驶员操作手机行为检测算法。算法构建了一个并行的二分支网络结构，利用AlphaPose网络进行骨骼关键点检测，计算双臂夹角判定行为概率；采用结构化特征增强模块改进YOLOv5算法，并用其对驾驶员手部区域进行手机目标检测；融合行为概率与手部检测信息，综合判断驾驶员行为。实验结果表明，在多方位复杂背景环境下，本文算法检测的mAP为97.7%，相较于其他主流算法在检测精度和检测实时性上均有一定提升。 2）提出一种基于姿态识别的驾驶员单手操作方向盘行为检测算法 针对驾驶员单手操作方向盘行为具有多样性，且行为幅度范围广不易检测的问题，提出一种基于姿态识别的驾驶员单手操作方向盘行为检测算法。算法利用AlphaPose网络模型对驾驶员的上半身骨骼关键点进行检测，进而连接关键点形成人体姿态特征，结合困难样本挖掘训练出驾驶员姿态模型，最终采用支持向量机进行目标分类，输出检测结果。实验结果表明，在多方位复杂背景环境下，本文算法检测的mAP为96.03%，相较于其他主流算法在检测精度上有一定提升。 3）提出一种基于级联卷积神经网络的驾驶员口罩佩戴行为检测算法 驾驶员规范佩戴口罩是安全健康出行的重要环节，针对公共场合复杂光照环境下驾驶员口罩佩戴行为检测率低的问题，提出一种基于级联卷积神经网络的口罩佩戴行为检测算法。采用注意力机制模块对级联卷积神经网络进行改进，并用其进行驾驶员人脸关键点定位，确定人脸区域框；将定位的人脸区域作为MobileNetV2的输入数据进行口罩佩戴检测分类，最终输出检测结果。实验结果表明，在多方位复杂背景环境下，本文算法的口罩检出率和检测正确率分别达到93.88%和91.75%，相较于其他主流算法在检测正确率上有一定提升。 |
| 作者： | 杨晴晴 |
| 专业： | 计算机科学与技术 |
| 导师： | 蓝章礼 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
