岳宸宇，周沛松,2，李明亮,2

(1. 河北地质大学信息工程学院，河北 石家庄 050031；2. 智能传感物联网技术河北省工程研究中心，河北 石家庄 050031)

0 引言

长期以来，网络及交通等基础设施逐渐完善，我国运输能力也有了飞跃的成长。然而高效便捷的交通在给人们带来生活上便利的同时，也带来了由于各种原因引起的交通事故频发的严重安全问题。据统计，全球每年因交通事故死亡的人数达到130万人，约2 000万至5 000万人受到非致命性伤害[1]。利用计算机视觉来检测驾驶员分心状态可以减少人工检查费时费力废财的弊端。通过这种方式，能够作为一种智能化的安全辅助驾驶功能，能够及时提醒驾驶员注意开车安全，让视频监控变得不再依赖人工干预，而更加智能化，有着重要的实际意义。

1 基于PaddleX的危险驾驶行为检测方法

基于 PaddleX的危险驾驶行为检测方法总体设计即为该模型训练及测试总流程，总体设计流程图如图 1所示。主要针对 Kaggle 驾驶员状态检测数据集进行下载解压，读取数据，并安装相关配置环境，模型训练及导出、评估模型性能，为方便部署将PaddleX模型转换为PaddleHub模型，最后对模型进行测试。

图1 总体设计流程图Fig.1 Overall design flow chart

其中训练模型所采用的主要是 MobileNet轻量型网络，本章主要介绍 MobileNet的提出及迭代变化，包括最新提出的MobileNetV3模型及本设计所涉及到的原理。数据中提到相对重量级网络而言，轻量级网络因其有参数少、计算量小、推理时间短的特点，从而更适用于存储空间和功耗受限的场景。……