用于驾驶员 drowsiness 检测的鲁棒双流多特征网络
计算机视觉与模式识别
2020-10-14 v1
摘要
疲劳驾驶是交通事故的主要原因，因此以往众多研究聚焦于驾驶员 drowsiness 检测。许多与驾驶相关的因素已被用于疲劳检测并可达到较高精度，但仍存在若干严重局限，例如大多数现有模型易受环境影响。本文将疲劳检测视为时序动作检测问题而非图像分类问题。所提检测系统可分为四部分：（1）定位检测到的驾驶员图像中对疲劳检测至关重要的关键块并计算相应光流。（2）系统中采用限制对比度自适应直方图均衡化（CLAHE）以降低不同光照条件的影响。（3）为每个特征设计三个结合注意力机制的独立双流网络以提取时序信息。（4）三个子网络的输出将被拼接并送入全连接网络，以判断驾驶员状态。该 drowsiness 检测系统在著名的国立清华大学驾驶员 drowsiness 检测（NTHU-DDD）数据集上训练与评估，我们取得了 94.46% 的准确率，优于大多数现有疲劳检测模型。
引用
@article{arxiv.2010.06235,
title = {Robust Two-Stream Multi-Feature Network for Driver Drowsiness Detection},
author = {Qi Shen and Shengjie Zhao and Rongqing Zhang and Bin Zhang},
journal= {arXiv preprint arXiv:2010.06235},
year = {2020}
}