基于改进Yolov8-pose的分心驾驶检测与识别

来源：电子测量技术杂志2024年第15期北京时间：

作者：朱周华，侯智杰，田成源，周怡纳

单位：西安科技大学通信与信息工程学院 西安 710000

摘要：针对现有的分心驾驶检测算法存在检测率低、检测速率慢等问题，本文构建了一种基于改进YOLOv8-pose的分心驾驶检测识别模型YOLOv8-EFM。首先，通过使用EfficientViT更换YOLOv8-pose的主干网络，结合CNN和VIT之间的互补性，提升了检测的准确率；其次，使用FasterBlock模块替换C2f中的Bottleneck模块，增加了检测速率并减小模型参数；最后在SPPF后加入了轻量级的MLCA注意力模块，在模型大小和准确性之间取得了良好的平衡。实验结果表明，本文所构建的YOLOv8-EFM模型，mAP50可以达到98.9%，模型大小只有9.7 M，该方法不仅可以识别出具体分心行为，还可以检测上半身的人体骨架，可以有效应用在驾驶员分心驾驶的检测场景中。

关键词：分心检测;人体姿态估计;YOLOv8-pose;EfficientViT;FasterNet;MLCA

基金资助：国家自然科学基金（U19B2015）项目资助