-
题名双端驾乘人员车云协同计算危险行为分析
- 1
-
-
作者
井晶
贺晨
刘营
赵作鹏
-
机构
江苏联合职业技术学院徐州财经分院
中国矿业大学计算机科学与技术学院
-
出处
《现代雷达》
CSCD
北大核心
2024年第11期110-117,共8页
-
基金
国家自然科学基金资助项目(61976217)。
-
文摘
车内人员不安全行为的预警是减少交通事故的重要手段,然而现有的研究主要关注于驾驶员的危险行为检测,乘客的危险行为往往被忽视,因此文中提出了一种基于车云算力协同的驾乘人员危险行为分析算法。首先,通过基于粗粒度深度估计的检测和人员身份分析模型区分驾驶员与乘客;然后,通过基于ByteTrack多目标跟踪的检测模型检测乘客是否越位,并通过头部姿态估计与疲劳状态检测的多任务联合模型检测驾驶员的危险驾驶行为;最后,将危险行为视频片段上传云端进行校验。实验结果表明,文中提出的基于粗粒度深度估计的检测模型和人员身份分析模型相比感兴趣区域法的F_(1)-Score提高了5.1%,多任务联合模型中的头部姿态估计分支相比LwPoser模型F_(1)-Score提高了5.2%,疲劳检测分支相比YOLOv6s模型平均准确率均值提高了2.4%,且校验中使用云端高精度模型F_(1)-Score提高了7.6%。以上结果证明了文中所提算法的有效性。
-
关键词
车云算力协同
深度估计
多任务联合
目标检测
目标跟踪
-
Keywords
vehicle-cloud computing collaboration
depth estimation
multi-task union
object detection
object tracking
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
