Multi-Attention Fusion Drowsy Driving Detection Model

要約

居眠り運転は交通事故の主な原因となっており、ドライバーの居眠り運転検知システムの導入により、こうした事故の発生が大幅に減少することが証明されています。
多数の居眠り運転検出アルゴリズムが開発されているにもかかわらず、その多くは完全な顔画像の利用可能性、最適な照明条件、RGB 画像の使用などの特定の前提条件を課しています。
私たちの研究では、多注意融合居眠り運転検出モデル (MAF) と呼ばれる新しいアプローチを導入します。
MAF は、特に顔の部分的な遮蔽や低照明条件が含まれるシナリオで、分類パフォーマンスを大幅に向上させることを目的としています。
これは、マルチアテンション フュージョンによって提供される局所特徴抽出機能を利用することで実現され、それによってアルゴリズム全体の堅牢性が向上します。
データセットを強化するために、夜間と昼間の照明条件で撮影された遮蔽された顔と遮られていない顔の両方を含む現実世界のデータを収集しました。
私たちは、公開されているデータセットと独自に構築したデータの両方を使用して、包括的な一連の実験を実施しました。
これらの実験の結果は、私たちが提案したモデルが 96.8% という優れたドライバーの眠気検出精度を達成していることを示しています。

要約(オリジナル)

Drowsy driving represents a major contributor to traffic accidents, and the implementation of driver drowsy driving detection systems has been proven to significantly reduce the occurrence of such accidents. Despite the development of numerous drowsy driving detection algorithms, many of them impose specific prerequisites such as the availability of complete facial images, optimal lighting conditions, and the use of RGB images. In our study, we introduce a novel approach called the Multi-Attention Fusion Drowsy Driving Detection Model (MAF). MAF is aimed at significantly enhancing classification performance, especially in scenarios involving partial facial occlusion and low lighting conditions. It accomplishes this by capitalizing on the local feature extraction capabilities provided by multi-attention fusion, thereby enhancing the algorithm’s overall robustness. To enhance our dataset, we collected real-world data that includes both occluded and unoccluded faces captured under nighttime and daytime lighting conditions. We conducted a comprehensive series of experiments using both publicly available datasets and our self-built data. The results of these experiments demonstrate that our proposed model achieves an impressive driver drowsiness detection accuracy of 96.8%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google