基于 CNN 和多尺度融合的驾驶员打电话行为检测

来源：计算机技术与发展杂志2022年第02期北京时间：

作者：许婷婷;';傅俊琼;罗昆

单位：1. 东华理工大学 信息工程学院,江西 南昌 330013;2. 东华理工大学 江西省核地学数据科学与系统工程技术研究中心,江西 南昌 330013;3. 南昌市公安局交通管理局,江西 南昌 330013

摘要：由于传统的驾驶员违规接听电话行为检测方法缺乏一套严谨的评判模型,难以满足现实中驾驶员违规接听电话的识别需要,因此如何建立一套合理有效的评判模型成为亟待解决的问题。 针对目前评判模型的局限性,采用计算机视觉技术和深度学习模型相结合的方式对驾驶员违规接听电话行为进行科学评判。 主要是通过提取的 Haar-Like 特征训练级联分类器捕获脸部特征,采用 CNN 模型和 ROI 技术提取手部特征,并利用 YoloV3 目标检测算法识别手机,依据特征间的空间位置关系来判断驾驶员是否存在违章接听电话行为。 通过大量数据的实验测试,结果证明了该评判模型不仅能将精确度提高至 96. 28% ,而且能实时检测到行车时违规接听电话行为并进行提醒,进而降低因违规接听电话发生交通事故的概率。

关键词：接听电话行为识别;级联分类器;CNN 模型;ROI;多尺度检测