[論文レビュー] A Pattern Recognition System for Detecting Use of Mobile Phones While Driving

Rafael Alceste Berri, Alexandre Gonçalves Silva+3 more|arXiv (Cornell University)|Aug 4, 2014

Sleep and Work-Related Fatigue被引用数 29

ひとこと要約

本論文では、多項式カーネルを用いたSVMを用いたパターン認識システムを提案し、前方画像を用いてドライバーの携帯電話使用を検出する。画像データセットでは91.57%の正確性を達成し、3秒間隔のリアルタイム動画分類では87.43%の正確性を示した。システムはドライバーの画像から視覚的特徴を抽出し、最適化されたカーネルベース学習を用いて電話の有無を分類するが、照明条件やセグメンテーションの課題の影響を受ける。

ABSTRACT

It is estimated that 80% of crashes and 65% of near collisions involved drivers inattentive to traffic for three seconds before the event. This paper develops an algorithm for extracting characteristics allowing the cell phones identification used during driving a vehicle. Experiments were performed on sets of images with 100 positive images (with phone) and the other 100 negative images (no phone), containing frontal images of the driver. Support Vector Machine (SVM) with Polynomial kernel is the most advantageous classification system to the features provided by the algorithm, obtaining a success rate of 91.57% for the vision system. Tests done on videos show that it is possible to use the image datasets for training classifiers in real situations. Periods of 3 seconds were correctly classified at 87.43% of cases.

研究の動機と目的

• ドライビング中の注意散漫事故を削減するため、信頼性の高いパターン認識システムを構築すること。
• 電話の有無を示す顕著な視覚的特徴を、前方ドライバー画像から特定および抽出すること。
• 高い正確性を実現するための最適な分類モデル（特に多様なカーネル関数を備えたSVM）を評価および選定すること。
• 実際のドライブ環境下で、動画シーケンスにおけるシステムのリアルタイム性能をテストすること。
• 照明の変動やセグメンテーションエラーといった検出の信頼性に影響を及ぼす課題に対処すること。

提案手法

• システムはドライバーの前方画像を用い、学習に100枚のポジティブ（電話あり）および100枚のネガティブ（電話なし）画像を用いる。
• 特徴抽出アルゴリズムが画像を処理し、皮膚領域のセグメンテーションにYCrCbおよびLUV色彩空間を用いるなど、関連する視覚的パターンを同定する。
• 分類に多様なカーネル関数（多項式、径路基底、線形、シグモイド）を備えたサポートベクターマシン（SVM）を評価する。
• 最適なカーネルとして多項式カーネルが選択され、精度を最大化するためのハイパーパramータチューニングが遺伝的アルゴリズム（GA）を用いて実施される。
• リアルタイム動画処理は、最大6.4 FPSを達成するマルチスレッド並列処理を用いて実装され、分類に3秒のスライディングウインドウが使用される。
• 視覚的警告システムは、電話使用確率に基づき、色分けされたプログレスバー（緑、黄、赤）を用いてリアルタイムのリスクレベルを表示する。

実験結果

リサーチクエスチョン

• RQ1 前方ドライバー画像におけるどの視覚的特徴が、電話使用と非使用を最も効果的に区別するか？
• RQ2 どのSVMカーネル関数が、ドライバー画像における携帯電話検出で最高の分類正確性を達成するか？
• RQ3 照明条件や環境条件の変動下でも、リアルタイム動画処理におけるシステムの性能はいかがなっているか？
• RQ4 画像前処理およびセグメンテーションエラーが、検出正確性にどの程度影響を及ぼすか？
• RQ5 信頼性の高いドライバーへのアラートを提供できる、リアルタイムかつ低レイテンシのシステムを実装できるか？

主な発見

• 多項式カーネルを用いたSVMが、画像データセットで91.57%の最高正確性を達成し、他のカーネルタイプを顕著に上回った。
• テストされたすべてのSVMカーネルが統計的に同等の平均正確性を示し、カーネル選択の面でも堅牢性が確認された。
• リアルタイム動画分類において、システムは3秒間の電話使用区間を87.43%の確率で正しく同定した。
• 分類の最適閾値は65%であったと判明し、これにより「電話あり」ケースでは77.33%、「電話なし」ケースでは88.97%の正確性が得られた。
• 太陽光の眩しさによるドライバーの顔および車内部の表面のセグメンテーション失敗が、特に動画4および5で正確性を低下させた。
• マルチスレッド処理を用いて6 FPSのリアルタイム性能を達成し、色分けされたリスクインジケーターを用いた視覚的アラートメカニズムを実装した。