基于CNN和HOG的司机分心检测

来源：计算机应用与软件杂志2024年第6期北京时间：

作者：秦斌斌, 钱江波, 严迪群, 董一鸿

摘要：针对现有CNN网络模型只关注网络最后一层的输出而未能充分利用中间层的输出特征，而事实上中间层特征包含很多有用信息，提出一种端到端的提取多阶段中间网络层输出特征，并与HOG（Histogram of JPOriented Gradient）特征融合的司机分心检测模型。模型参数量仅为3.6 M，同时采用L2权重正则化、Dropout以及批量正则化对模型性能进行提升。在两个公开的数据集State Farm Distracted Driver Detection（SFD3）和AUC Distracted Driver（AUCD2）进行了实验验证，在SFD3准确度达到99.78%，比现有论文提高约3百分点，网络参数量分别减少约95%；在AUCD2上准确度达到95.15%，比现有论文提高约2百分点，网络参数量减少约60%。

关键词：分心检测, 图像分类, HOG, CNN