基于 RGB-D 传感器的驾驶员分心检测与识别
计算机视觉与模式识别
2015-02-03 v1
摘要
驾驶员注意力评估已成为智能交通系统中一个非常活跃的研究领域。基于主动传感器 Kinect 和计算机视觉工具，我们构建了一个用于检测驾驶员分心并识别分心类型的高效模块。利用来自 Kinect 的颜色和深度图数据，我们的系统由四个子模块组成：眼部行为（检测注视和眨眼）、手臂位置（右臂是向上、向下、向右还是向前）、头部朝向以及面部表情。每个模块都产生用于评估驾驶员注意力不集中的相关信息。随后，我们使用两种不同的分类策略将这些信息融合：AdaBoost 分类器和隐马尔可夫模型（Hidden Markov Model）。评估工作在一套驾驶模拟器上进行，涉及 8 名不同性别、年龄和国籍的驾驶员，总录制时间超过 8 小时。定性和定量结果表明，该系统具有强大且准确的检测与识别能力（分心类型识别准确率为 85%，分心检测准确率为 90%）。此外，每个模块均可独立获取，并可用于其他类型的推断（如疲劳检测），也可部署于实车系统中。
引用
@article{arxiv.1502.00250,
title = {Driver distraction detection and recognition using RGB-D sensor},
author = {Céline Craye and Fakhri Karray},
journal= {arXiv preprint arXiv:1502.00250},
year = {2015}
}