基于改進Mobile Net-SSD網絡的駕駛員分心行為檢測

杜虓龍，余華平

(長江大學 計算機科學學院，湖北 荊州 434000)

0 引言

近年來，隨著家用汽車的日益普及，行車安全問題也與日俱增。根據美國國家公路交通局發布的調查數據顯示，其中有30%的車禍主要原因為駕駛員駕駛時分心[1]。中國作為發展中強國，人民經濟水平不斷提高，汽車普及率也以極快的速度進行增長，所以對駕駛員進行實時監控，快速準確地識別駕駛時的分心行為對解決交通安全問題來說變得尤為重要。

為解決這一問題，國內外眾多學者主要通過3種方式：基于傳感器，基于計算機視覺以及基于兩者結合的方法[2]。不過，基于計算機視覺的解決方法還是占據主流位置，李振龍[3]提出了基于反向雙目的識別方法，通過Hough算法對駕駛車輛的車道偏移率進行計算，再結合車內對駕駛員頭部姿態的識別分析，對兩者進行融合分析來進行識別，分析是否出現了分心現象。Ren[4]等提出通過Faster-RCNN網絡來識別駕駛員手中是否有手機來判斷是否為分心駕駛。陳軍等[5]提出了使用級聯卷積神經網絡對駕駛員分心行為進行檢測的方法，通過構建兩級神經網絡對數據進行先粗略提取特征后精確識別的方法，使網絡檢測成功率相較于主流單模型檢測方法有了明顯提升。徐蓮等[6]提出了基于遷移學習的眼睛狀態識別網絡，先利用級聯網絡對人臉進行識別，再利用GL-CNN對單個眼球進行開閉識別，再根據PERCLOSE準則對駕駛員進行疲勞判斷。

以上方法都基本解決了分心駕駛問題，但是存在計算的參數量過大，檢測類型過少等問題。……