Drive-Net：用于驾驶员分心检测的卷积网络
计算机视觉与模式识别
2020-06-24 v1
摘要
为帮助预防机动车事故，人们在寻找一种自动识别驾驶员分心迹象（如与乘客交谈、整理头发和化妆、饮食以及使用手机）的方法上兴趣浓厚。本文中，我们提出一种称为 Drive-Net 的自动化监督学习方法用于驾驶员分心检测。Drive-Net 使用卷积神经网络 (CNN) 与随机决策森林的组合来对驾驶员图像进行分类。我们将提出的 Drive-Net 与另外两种流行的机器学习方法进行比较：循环神经网络 (RNN) 和多层感知机 (MLP)。我们在受控环境下获取的公开可用图像数据库上测试这些方法，该数据库包含约 22425 张由专家手动标注的图像。结果表明，Drive-Net 达到 95% 的检测准确率，比在同一数据库上使用其他方法获得的最佳结果高出 2%。
引用
@article{arxiv.2006.12586,
title = {Drive-Net: Convolutional Network for Driver Distraction Detection},
author = {Mohammed S. Majdi and Sundaresh Ram and Jonathan T. Gill and Jeffery J. Rodriguez},
journal= {arXiv preprint arXiv:2006.12586},
year = {2020}
}