基于深度学习的驾驶员分心检测理论研究

作     者：谢霄 张宏 介智登 孙酩皓 叶娟 陈宇轩 张昊天 XIE Xiao;ZHANG Hong;JIE Zhideng;SUN Minghao;YE Juan;CHEN Yuxuan;ZHANG Haotian

作者机构：江苏理工学院电气信息工程学院江苏常州213001 南京信息工程大学沃特福德学院江苏南京210044 北京搜狐新媒体信息技术有限公司上海分公司上海200021 

出 版 物：《汽车实用技术》 (Automobile Applied Technology)

年 卷 期：2024年第49卷第13期

页      面：23-29页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 082304[工学-载运工具运用工程] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 

主　　题：深度学习 注意力机制 驾驶员行为识别 目标检测算法 

摘      要：文章提出了一种基于改进Yolov8的驾驶员分心检测方法,在Yolov8的基础上设计了一种包含小目标检测层和新型连接结构的加权双向特征金字塔网络(BiFPN)。在骨干网络中,引入了高效多尺度注意力(EMA)机制模块,以加强对关键信息的学习和提取。提出了一种新型的C2f结构,将动态卷积、注意力机制融入到C2f中。改进模型的精度提高了4.6%,同时参数量降低了27.1%,一定程度上减小了模型的规模,提高了计算效率。最后在公开数据集上进行泛化实验,各项评价指标皆优于原模型。因此,文章研究为分心驾驶行为检测领域提供了一种更高效、更精确的解决方案,为道路安全和交通监管提供有力的支持。