一种基于深度学习的驾驶员打电话行为检测方法

来源：电讯技术杂志2021年第7期北京时间：

作者：代少升,黄向康,黄涛,王海宁,梁辉

单位：(重庆邮电大学 通信与信息工程学院，重庆 400065;东北大学 计算机科学与工程学院，沈阳 110167)

摘要：针对现有驾驶员打电话行为检测方法存在精度低、实时性能差以及免提通话无法检测等问题，提出一种基于深度学习的多特征融合检测方法。该方法通过融合手持电话行为与讲话行为检测结果，实现对驾驶员打电话行为的检测。基于构建的浅层卷积神经网络，包含5层特征提取网络以及2层全连接层，可实现对听筒及免提接听两种手持电话行为的检测；同时，通过级联形状回归算法得到嘴部18个特征点及其宽高比，并根据连续20帧图像的嘴巴宽高比振荡差值来检测讲话行为。实验结果表明,该方法在实际驾驶场景下的平均检测准确率达到95.6〖WT《Times New Roman》〗%〖WTBZ〗，平均检测耗时低至230 ms/frame，综合检测性能得到明显改善。

关键词：行为检测；手持电话检测；讲话行为检测；卷积神经网络；分类判别；

基金资助：国家自然科学基金资助项目（61671094）