基于最先进目标检测与跟踪的驾驶员手机使用违规识别
计算机视觉与模式识别
2021-10-11 v3 人工智能
机器学习
摘要
驾驶时使用手机一直是道路交通事故的主要诱因之一，而捕获此类违规行为可能是一项繁重的任务。现代目标检测框架与高性能硬件的进步，为视频监控的自动化提供了途径。本文提出一种定制训练的最先进目标检测器，配合路边摄像头使用，可在无需人工干预的情况下捕获驾驶员手机使用行为。所提方法还解决了挡风玻璃眩光引起的问题，并给出了补救步骤。使用四种流行的目标检测方法（YOLO、SSD、Faster R-CNN 和 CenterNet）以我们的自定义数据集对十二个预训练模型进行微调。在所有测试的检测器中，YOLO 取得了最高精度，达 96%（AP10）且帧率约 30 FPS。还将 DeepSort 目标跟踪算法集成到性能最佳的模型中，以仅记录唯一违规行为，并使所提方法能够统计车辆数量。该自动化系统将收集识别出的违规输出图像、每次违规的时间戳以及车辆总数。数据可通过专门构建的用户界面访问。
引用
@article{arxiv.2109.02119,
title = {Identification of Driver Phone Usage Violations via State-of-the-Art Object Detection with Tracking},
author = {Steven Carrell and Amir Atapour-Abarghouei},
journal= {arXiv preprint arXiv:2109.02119},
year = {2021}
}
备注
10 pages