文献类型：期刊文章

作　　者：陈仁祥[1] 胡超超[1] 胡小林[2] 杨黎霞[3] 张军[1] 何家乐[1]

CHEN Ren-xiang;HU Chao-chao;HU Xiao-lin;YANG Li-xia;ZHANG Jun;HE Jia-le(Chongqing Engineering Laboratory for Transportation Engineering Application Robot,Chongqing Jiaotong University,Chongqing 400074,China;Chongqing Innovation Center of Industrial Big-Data Co.Ltd,Chongqing 400056,China;College of Business and Management,Chongqing University of Science&Technology,Chongqing 401331,China)

机构地区：[1]重庆交通大学交通工程应用机器人重庆市工程实验室,重庆400074 [2]重庆工业大数据创新中心有限公司,重庆400056 [3]重庆科技学院工商管理学院,重庆401331

出　　处：《吉林大学学报（工学版）》

基　　金：国家重点研发计划项目(2018YFB1306601);国家自然科学基金项目(51975079);重庆市自然科学基金创新发展联合基金项目(CSTB2023NSCQ-LZX0127);重庆市研究生联合培养基地项目(JDLHPYJD2021007);重庆市教育委员会科学技术研究项目(KJZD-M202200701);重庆交通大学研究生科研创新项目(2022S0045)。

年　　份：2024

卷　　号：54

期　　号：4

起止页码：959-968

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、EI、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化网络模型,实现快速又准确地检测图像中手机、水杯、驾驶员双眼和头部区域;其次,在获取目标检测结果的基础上,结合头部姿态估计设计逻辑算法并融入YOLOv5中,从认知分心和视觉分心两个角度检测每帧图像中驾驶员是否存在分心驾驶,避免了分类方法受限分心驾驶类别数的问题,再设置适当的时间阈值,从而实现端到端实时的分心驾驶预警;最后,对采集的18名驾驶员的驾驶行为数据集进行对比试验,验证了本文方法的可行性和有效性。

关 键 词：分心驾驶  YOLOv5  驾驶行为 目标检测 头部姿态估计

分 类 号：U461.91]