利用机器学习改进驾驶员疲劳与分心的自动检测
计算机视觉与模式识别
2024-01-19 v1 计算机与社会
机器学习
摘要
近年来，信息技术的变革与进步在智能车辆系统的发展中发挥了重要作用。驾驶员疲劳和分心驾驶是引发交通事故的重要因素。因此，驾驶行为的车载监控已成为智能车辆高级驾驶辅助系统的关键组成部分。在本文中，我们提出了利用基于视觉和基于机器学习的方法同时检测疲劳和分心驾驶行为的技术。在驾驶疲劳检测中，我们使用面部对齐网络来识别图像中的面部特征点，并计算面部特征点的距离以检测眼睛和嘴巴的开合。此外，我们使用基于 MobileNet 架构的卷积神经网络（CNN）来识别各种分心驾驶行为。实验在配备网络摄像头的 PC 环境中进行，结果在公开数据集以及为训练和测试创建的自定义数据集上进行了展示。与以往方法相比，我们构建了自己的数据集，并在准确率和计算时间方面取得了更好的结果。
引用
@article{arxiv.2401.10213,
title = {Improving automatic detection of driver fatigue and distraction using machine learning},
author = {Dongjiang Wu},
journal= {arXiv preprint arXiv:2401.10213},
year = {2024}
}
备注
Master's thesis, 55 pages