基于 RES-SE-CNN 的智能网络框架,用于监控驾驶员的分心
Jichong Lei1, Zining Ni2, Zhiqiang Peng2
1School of Safety and Management Engineering, Hunan Institute of Technology, Hengyang, Hunan, China. leijichong@gmail.com.
Scientific reports
|February 26, 2025
概括
这项研究引入了一个智能驾驶员监控系统,使用RES-SE-CNN模型来检测分心驾驶. 该模型实现了高精度,并且适合在车辆中实时应用.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 道路交通安全 道路交通安全
背景情况:
- 越来越多的车辆增加了道路的复杂性和事故风险.
- 分心驾驶是导致交通事故的主要人类因素.
- 实时监控和对司机分心的警告至关重要.
研究的目的:
- 提出一个智能驾驶员状态监控方法.
- 开发一个实时检测和警告分心驾驶行为的系统.
- 根据已建立的深度学习架构对拟议的模型进行评估.
主要方法:
- 开发使用RES-SE-CNN模型的驾驶员状态监测方法.
- 与VGG19,DenseNet121和ResNet50模型进行比较分析.
- 利用转移学习在现实驾驶环境中进行应用.
主要成果:
- 该RES-SE-CNN模型在检测驾驶员分心方面表现出卓越的性能.
- 取得了97.28%的正确识别率.
- 该模型具有较低的内存占用率,使其更容易部署到车载系统上.
结论:
- RES-SE-CNN模型对于智能驾驶员分心监控非常有效.
- 拟议的模型显示了在提高道路安全方面实际应用的巨大潜力.
- 转移学习可以有效地部署驾驶员监控系统.
