Real-Time Driver State Monitoring Using a CNN Based Spatio-Temporal Approach

论文地址：https://arxiv.org/pdf/1907.08009.pdf

摘要

        交通事故的发生由于司机分心。今天，司机监视是必要的对于最近自动驾驶汽车来提醒司机为了控制车辆事故发生。在这篇文章中，一个时空方法被应用到分类驾驶人的分心水平和移动决策使用卷积神经网络（CNNs）。我们解决这个问题作为动作识别有效从模板信息以及空间信息。我们的方法依赖特征提取从稀疏选择的帧，一个动作使用一个预训练BN-Inception。实验表明我们的方法性能优越在分心驾驶数据集（96.31%），达到一个精度99.10%对于10类分类并提供实时分类。我们也分析这个影响融合使用RGB和光流模型，一个最近的数据水平的融合策略。结果在Distract Driver 以及 Brain4Cars数据集展示融合的这些模型提高了精度。

驾驶员喝水动作

光流和颜色模型融合

数据集中10种分类

方法效果对比

标签：Real,10,Monitoring,分类,Driver,融合,分心,pdf,Approach
来源： https://blog.csdn.net/CSS360/article/details/96700737