DIF：用于醉酒人员识别的醉酒感知人脸数据集
计算机视觉与模式识别
2019-09-10 v3
摘要
交通事故每年造成超过一百万人死亡，其中很大一部分归因于酒后驾驶。车辆中自动化的醉酒驾驶员检测系统将有助于减少事故及相关的经济成本。现有方案需要心电图、红外相机或呼气分析仪等特殊设备。在本工作中，我们提出一个名为 DIF（醉酒感知人脸数据集，Dataset of perceived Intoxicated Faces）的新数据集，其包含从在线来源获取的醉酒与清醒人员的视听数据。据我们所知，这是首个用于自动双模态非侵入式醉酒检测的工作。我们分别训练卷积神经网络（CNN）和深度神经网络（DNN）以计算视频与音频基线。使用 3D CNN 来利用视频中的时空变化。基于在空间与时间通道之间引入非线性，提出了一种对传统 3D 卷积块的简单变体。我们进行了大量实验以验证该方法与基线。
引用
@article{arxiv.1805.10030,
title = {DIF : Dataset of Perceived Intoxicated Faces for Drunk Person Identification},
author = {Vineet Mehta and Devendra Pratap Yadav and Sai Srinadhu Katta and Abhinav Dhall},
journal= {arXiv preprint arXiv:1805.10030},
year = {2019}
}