論文の概要: Robust Two-Stream Multi-Feature Network for Driver Drowsiness Detection
- arxiv url: http://arxiv.org/abs/2010.06235v1
- Date: Tue, 13 Oct 2020 08:49:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 23:56:13.584957
- Title: Robust Two-Stream Multi-Feature Network for Driver Drowsiness Detection
- Title(参考訳): ドライバの眠気検出のためのロバストな2ストリーム多機能ネットワーク
- Authors: Qi Shen, Shengjie Zhao, Rongqing Zhang, Bin Zhang
- Abstract要約: NTHU-DDD(Nation Tsing Hua University Driver Drowsiness Detection)による眠気検知システムの訓練と評価
94.46%の精度が得られ、既存の疲労検出モデルよりも優れています。
- 参考スコア(独自算出の注目度): 16.474150429342153
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Drowsiness driving is a major cause of traffic accidents and thus numerous
previous researches have focused on driver drowsiness detection. Many drive
relevant factors have been taken into consideration for fatigue detection and
can lead to high precision, but there are still several serious constraints,
such as most existing models are environmentally susceptible. In this paper,
fatigue detection is considered as temporal action detection problem instead of
image classification. The proposed detection system can be divided into four
parts: (1) Localize the key patches of the detected driver picture which are
critical for fatigue detection and calculate the corresponding optical flow.
(2) Contrast Limited Adaptive Histogram Equalization (CLAHE) is used in our
system to reduce the impact of different light conditions. (3) Three individual
two-stream networks combined with attention mechanism are designed for each
feature to extract temporal information. (4) The outputs of the three
sub-networks will be concatenated and sent to the fully-connected network,
which judges the status of the driver. The drowsiness detection system is
trained and evaluated on the famous Nation Tsing Hua University Driver
Drowsiness Detection (NTHU-DDD) dataset and we obtain an accuracy of 94.46%,
which outperforms most existing fatigue detection models.
- Abstract(参考訳): 眠気運転は交通事故の主な原因であり,運転者の眠気検出に焦点を絞った研究が数多く行われている。
疲労検出には多くの要因が考慮されており、高精度化につながる可能性があるが、既存のモデルの多くが環境に影響を受けやすいなど、いくつかの深刻な制約がある。
本稿では,画像分類に代えて,疲労検出を時間的動作検出問題と見なす。
提案する検出システムは,(1)疲労検出に不可欠な検出されたドライバ画像のキーパッチを局所化し,対応する光フローを計算する4つの部分に分けられる。
2) コントラスト制限型適応ヒストグラム等化(clahe)は, 異なる光条件の影響を低減するために用いられる。
3)3つの個別2ストリームネットワークとアテンション機構を組み合わせることで,時間的情報抽出を行う。
(4)3つのサブネットワークの出力は連結され、完全接続されたネットワークに送信され、ドライバの状態が判断される。
有名な国tsing hua university driver drowsiness detection (nthu-ddd) データセット上でdrowsiness detection systemを訓練し、評価し、94.46%の精度を得た。
関連論文リスト
- Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳(メタデータ) (2024-10-31T13:13:32Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
ドライバーの気晴らしが道路事故の主要な原因であることが知られている。
State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。
本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
論文 参考訳(メタデータ) (2022-10-17T21:22:41Z) - Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。
提案手法は,同数の視線シフトに対してF1スコアを2~3ポイント増加させる。
論文 参考訳(メタデータ) (2022-08-24T14:59:28Z) - Blind-Spot Collision Detection System for Commercial Vehicles Using
Multi Deep CNN Architecture [0.17499351967216337]
高レベル特徴記述子に基づく2つの畳み込みニューラルネットワーク(CNN)は、重車両の盲点衝突を検出するために提案される。
盲点車両検出のための高次特徴抽出のための2つの事前学習ネットワークを統合するために,融合手法を提案する。
機能の融合により、より高速なR-CNNの性能が大幅に向上し、既存の最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2022-08-17T11:10:37Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳(メタデータ) (2022-05-16T04:24:22Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳(メタデータ) (2021-07-22T07:25:35Z) - Driver Drowsiness Classification Based on Eye Blink and Head Movement
Features Using the k-NN Algorithm [8.356765961526955]
この研究は、ドライバー監視カメラの信号を用いて、車両内の運転者の眠気検知を拡張することを目的としている。
この目的のために、運転シミュレータ実験において、運転者の点眼行動と頭部運動に関連する35の特徴を抽出する。
最高の特徴セットの分析は、運転者の瞬き行動と頭部の動きに対する眠気の影響についての貴重な洞察を与える。
論文 参考訳(メタデータ) (2020-09-28T12:37:38Z) - A Driver Fatigue Recognition Algorithm Based on Spatio-Temporal Feature
Sequence [22.71097598048225]
本稿では,特徴系列に基づくリアルタイム疲労状態認識アルゴリズムを提案する。
実験により, このアルゴリズムは, 小体積, 高速, 高精度の利点があることがわかった。
論文 参考訳(メタデータ) (2020-03-18T10:25:27Z) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳(メタデータ) (2020-02-01T04:42:57Z) - Driver Safety Development Real Time Driver Drowsiness Detection System
Based on Convolutional Neural Network [1.7188280334580195]
本稿では,道路上での運転者の安全に関する課題に焦点をあて,眠気検知のための新しいシステムを提案する。
眠気の兆候としてドライバの睡眠状態を検出するために、畳み込みニューラルネットワーク(CNN)を用いる。
論文 参考訳(メタデータ) (2020-01-15T05:38:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。