图像加速多模式危险检测模型在手机上的手机对手机上者来说
Han Wang1, Xiang Ji1, Lei Jin1
1School of Transportation and Civil Engineering, Nantong University, Nantong 226019, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了一个基于移动的系统来检测智能手机用户沉迷于他们的手机 (phubbers) 的危险. 它通过分析环境和用户行为,有效地识别危险情况.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 移动计算 移动计算
背景情况:
- 智能手机的广泛使用导致了"phubbers" (手机窃听行为) 的增加,造成了重大风险,特别是在旅行期间.
- 现有的安全系统往往忽视了那些沉迷于移动设备的人面临的特定风险.
研究的目的:
- 提出一种针对移动设备量身定制的新型多式联运危险感知网络和预警系统,以提高用户的安全性.
- 通过整合环境和用户行为数据,开发能够实时识别危险的系统.
主要方法:
- 设计了一种多式联网模型,包括用于周围环境特征提取 (在后视图图像上使用MobileNet) 的模块,用户行为特征提取 (在加速度数据的格拉米安角差异场上使用MobileNet,增强了统计向量),以及多式联网特征融合.
- 该系统融合了环境和行为特征,以全面识别危险状态.
主要成果:
- 与现有方法相比,拟议的模型取得了更高的准确性.
- 该系统展示了一个紧的模型尺寸 (28.36 Mb) 和快速执行速度 (0.08 秒),适合移动部署.
- 综合方法通过将用户行为与环境背景相结合,有效地识别潜在的危险.
结论:
- 开发的图像加速多式联网风险识别网络为识别智能手机用户面临的风险提供了有效的解决方案.
- 该系统的效率和准确性使其成为在各种环境中提高phubbers安全的有希望的工具,特别是在旅行期间.
