首页|基于CNN和多尺度融合的驾驶员打电话行为检测

基于CNN和多尺度融合的驾驶员打电话行为检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于传统的驾驶员违规接听电话行为检测方法缺乏一套严谨的评判模型,难以满足现实中驾驶员违规接听电话的识别需要,因此如何建立一套合理有效的评判模型成为亟待解决的问题.针对目前评判模型的局限性,采用计算机视觉技术和深度学习模型相结合的方式对驾驶员违规接听电话行为进行科学评判.主要是通过提取的Haar-Like特征训练级联分类器捕获脸部特征,采用CNN模型和ROI技术提取手部特征,并利用YoloV3目标检测算法识别手机,依据特征间的空间位置关系来判断驾驶员是否存在违章接听电话行为.通过大量数据的实验测试,结果证明了该评判模型不仅能将精确度提高至96.28％,而且能实时检测到行车时违规接听电话行为并进行提醒,进而降低因违规接听电话发生交通事故的概率.
Driver' s Call Behavior Detection Based on CNN and Multi-scale Fusion

许婷婷、傅俊琼、罗昆

展开 >

东华理工大学 信息工程学院,江西 南昌 330013

东华理工大学 江西省核地学数据科学与系统工程技术研究中心,江西 南昌 330013

南昌市公安局交通管理局,江西 南昌 330013

接听电话行为识别 级联分类器 CNN模型 ROI 多尺度检测

江西省教育科学技术研究项目江西省核地学数据科学与系统工程技术研究中心开发基金

GJJ170460JETRCNGDSS 201801

2022

10.3969/j.issn.1673-629X.2022.02.014

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(2)
  • 3