[論文レビュー] Detection of Distracted Driver using Convolution Neural Network

Narayana Darapaneni, Jai Arora+5 more|arXiv (Cornell University)|Apr 7, 2022

Human-Automation Interaction and Safety被引用数 9

ひとこと要約

本論文は、VGG-16、ResNet50、およびアンサンブルモデルを含む畳み込みニューラルネットワーク（CNN）を用いた、リアルタイムの運転中の注意散漫検出システムを提案している。訓練に使用されたドライバー行動データに基づき、スマートフォンの使用、食事、化粧などの注意散漫を分類する。研究では高い精度と効率性が示され、アンサンブルモデルは96.8％のテスト精度を達成し、エッジデバイスへのデプロイの可能性が非常に高い。

ABSTRACT

With over 50 million car sales annually and over 1.3 million deaths every year due to motor accidents we have chosen this space. India accounts for 11 per cent of global death in road accidents. Drivers are held responsible for 78% of accidents. Road safety problems in developing countries is a major concern and human behavior is ascribed as one of the main causes and accelerators of road safety problems. Driver distraction has been identified as the main reason for accidents. Distractions can be caused due to reasons such as mobile usage, drinking, operating instruments, facial makeup, social interaction. For the scope of this project, we will focus on building a highly efficient ML model to classify different driver distractions at runtime using computer vision. We would also analyze the overall speed and scalability of the model in order to be able to set it up on an edge device. We use CNN, VGG-16, RestNet50 and ensemble of CNN to predict the classes.

研究の動機と目的

• コンピュータビジョンとディープラーニングを用いて、リアルタイムかつ高精度な運転中の注意散漫検出システムを開発すること。
• 複数のCNNアーキテクチャ—CNN、VGG-16、ResNet50—の分類性能とスケーラビリティを評価すること。
• 個々のモデルを上回る分類精度を実現するアンサンブルモデルを設計すること。
• 実際の走行環境におけるエッジデバイスへのデプロイ可能性を考慮した、モデルの効率性を分析すること。
• 特にインドを含む発展途上国において、高い交通事故発生率が続く中で、運転中の注意散漫が主な要因であるという問題に取り組むこと。

提案手法

• 著者らは、事前学習済みのVGG-16およびResNet50モデルを用いたトランスファーラーニングに基づくCNNアプローチを採用し、ドライバー注意散漫データセット上で微調整した。
• 個々のCNN、VGG-16、ResNet50モデルの予測を統合することで、分類のロバスト性を向上させるアンサンブルモデルを構築した。
• データセットは、スマートフォンの使用、食事、飲酒、化粧などのさまざまな注意散漫行動をとるドライバーの画像から構成されている。
• 標準的なディープラーニング最適化手法を用いてモデルを訓練し、テスト精度と推論速度の評価を実施した。
• 実行時の効率性とスケーラビリティを評価することで、エッジデプロイの可能性を検証した。
• 最終的なモデルはベースラインモデルと比較され、アンサンブル学習による性能向上を定量的に評価した。

実験結果

リサーチクエスチョン

• RQ1 CNNベースのモデルは、リアルタイムの動画入力から複数の種類の運転中の注意散漫を効果的に分類できるか？
• RQ2 VGG-16とResNet50の性能と推論速度は、運転中の注意散漫検出に応用した場合、どのように比較されるか？
• RQ3 CNNモデルのアンサンブルは、個々のモデルに比べて、どの程度分類精度を向上させるか？
• RQ4 提案されたモデルは、低消費電力のエッジデバイスにリアルタイム監視のためにデプロイ可能ほど十分に効率的か？
• RQ5 高交通事故発生率の発展途上国において、本システムはリアルタイムでデバイス内にデプロイ可能なスケーラビリティを有するか？

主な発見

• アンサンブルモデルは96.8％の最高テスト精度を達成し、個々のモデルを上回った。
• VGG-16およびResNet50モデルはそれぞれ95％を超えるテスト精度を示し、優れた性能を発揮した。
• アンサンブルアプローチにより、多様な注意散漫カテゴリにわたる分類誤差が低減され、分類のロバスト性が向上した。
• モデルは十分な推論速度と低コストの計算負荷を示し、エッジデバイスへのデプロイが現実的であることが示された。
• スマートフォンの使用、食事、化粧といった一般的な注意散漫は、高い精度で効果的に検出された。
• 本研究は、リソース制限のある環境でも、ディープラーニングモデルをリアルタイムでデバイス内に適用可能であることを確認した。