通过卷积神经网络实时检测司机注意力分散
计算机视觉与模式识别
2024-05-29 v1
摘要
在我们日常通勤的过程中，注意力分散的司机构成的威胁巨大，导致交通事故呈现令人Concern的上升趋势。为应对这一安全问题，我们的项目利用卷积神经网络（Convolutional Neural Networks, CNNs）的分析能力，特别强调已建立的模型 VGG16 和 VGG19。这些模型因其在图像识别方面的精确度而备受推崇，本研究针对其在不同环境条件下检测司机行为细微差异的能力进行了精心测试。通过对多种 CNN 架构进行比较分析，本研究旨在识别用于实时检测司机注意力分散的最有效模型。最终目标是将研究结果纳入车辆安全系统，从而大幅提升其防止由注意力不集中引发的事故的能力。该研究不仅增进了我们对汽车安全技术的理解，也标志着为创建与司机行为高度一致的车辆这一目标迈出了关键一步，确保了所有人的道路安全。
引用
@article{arxiv.2405.17788,
title = {Enhancing Road Safety: Real-Time Detection of Driver Distraction through Convolutional Neural Networks},
author = {Amaan Aijaz Sheikh and Imaad Zaffar Khan},
journal= {arXiv preprint arXiv:2405.17788},
year = {2024}
}