武文博

(广西科技大学电气与信息工程学院,广西柳州 545616)

0 引言

约束和规范司机驾驶行为作为提高驾驶安全性的必经之路,是道路交通安全和车辆驾驶安全的关键所在。随着我国经济水平和生产力的高速发展,国民生活水平得到较大提升,民用车辆保有量逐年上升。国家统计局发布的统计数据显示2020年全国民用汽车保有量比上年末增加1937万辆,其中私人轿车增长比率为6.63%[1]。如此数量的汽车保有量下,如何保障交通安全成为不可忽视的问题。当前,最新升级的交通探头可以识别驾驶员的安全带佩戴情况,但这单一的功能不能满足日益复杂的路况条件。通过交通警察来约束司机的分心驾驶行为效果有限,造成极大的人力浪费。随着深度学习的技术迭代与发展,学者看到了通过计算机视觉技术来识别驾驶行为的可能性。通过实时采集驾驶员的图像,借助行车电脑部署的模型,可以实现低成本、高效率的驾驶行为识别。因此,开展驾驶行为识别算法的研究,具有较强的现实意义与应用价值。

1 相关工作

在计算机视觉研究初期,学者通过机器学习的算法来完成识别和分类任务[2-4],这要通过手动计算和提取图像特征如HOG特征等,并需要结合相应分类器如SVM、随机森林算法等完成。文献[5]通过扩展图像数据的方向梯度直方图的描述符,建立一种基于姿态基础元的行为识别算法。由于依赖人工特征提取的算法处理方式繁琐,识别响应较慢,无法达到实时性和稳定性的要求。……