驾驶员行为检测的MASKR-CNN模型实现

摘要

cqvip:驾驶员的行为不仅会对自身安全产生影响,也会对整体交通安全产生影响。通过实时检测驾驶员的不良行为,对驾驶员进行有效的监督和警示,可以减少恶性交通事故发生的概率,提高交通的整体安全性。本文研究基于深度神经网络的驾驶员行为检测方法,通过构建用于目标检测的深度神经网络Mask R-CNN,并在样本图像库上对该神经网络进行精调,使之能够识别出驾驶员的头部、手、方向盘、手机、香烟、座椅等多个目标,定位边框位置和大小,从而检测出驾驶员双手不握方向盘、单手握方向盘、吸烟、打手机、脱岗等多种危险驾驶行为。