[论文解读] 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 29

一句话总结

该论文提出一种基于SVM与多项式核函数的模式识别系统，通过正面图像检测驾驶员使用手机的行为，图像数据集上的准确率达到91.57%，在3秒时间间隔的实时视频分类中准确率为87.43%。该系统从驾驶员图像中提取视觉特征，并利用优化的核函数学习方法进行分类，性能受光照条件和分割挑战的影响。

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.

研究动机与目标

• 开发一种可靠的模式识别系统，用于检测驾驶过程中的手机使用行为，以减少因分心导致的事故。
• 从正面驾驶员图像中识别并提取能指示手机存在的区分性视觉特征。
• 评估并选择最优分类模型——特别是不同核函数的SVM——以实现高精度检测。
• 在实际驾驶条件下测试系统在视频序列中的实时性能。
• 解决光照变化和分割错误等影响检测可靠性的挑战。

提出的方法

• 系统使用驾驶员的正面图像，训练阶段包含100张有手机（正样本）和100张无手机（负样本）的图像。
• 采用特征提取算法处理图像，识别相关视觉模式，包括使用YCrCb和LUV色彩空间进行皮肤分割。
• 评估多种核函数（多项式、径向基、线性、Sigmoid）的SVM在分类中的表现。
• 选择多项式核函数作为最优方案，并通过遗传算法（GA）对超参数进行调优，以最大化准确率。
• 采用多线程并行处理实现实时视频处理，处理速度最高达6.4 FPS，使用3秒滑动窗口进行分类。
• 通过颜色编码的进度条（绿色、黄色、红色）实时显示视觉警告系统，反映手机使用概率对应的风险等级。

实验结果

研究问题

• RQ1 在正面驾驶员图像中，哪些视觉特征最能有效区分手机使用与非使用状态？
• RQ2 哪种SVM核函数在驾驶员图像中对手机检测的分类准确率最高？
• RQ3 在光照和环境条件变化的情况下，系统在实时视频处理中的表现如何？
• RQ4 图像预处理和分割错误在多大程度上影响检测准确率？
• RQ5 能否实现一种实时、低延迟的系统，可靠地向驾驶员发出手机使用警报？

主要发现

• 使用多项式核函数的SVM在图像数据集上达到最高准确率91.57%，显著优于其他核函数类型。
• 所有测试的SVM核函数平均准确率相近，表明在核函数选择上具有鲁棒性。
• 在实时视频分类中，系统在87.43%的案例中正确识别了3秒内的手机使用时间段。
• 分类的最佳阈值确定为65%，对应“有手机”情况的准确率为77.33%，而“无手机”情况的准确率为88.97%。
• 由于阳光眩光导致驾驶员面部及车内表面的分割失败，显著降低了准确率，尤其在视频4和5中表现明显。
• 通过多线程处理，系统实现了6 FPS的实时性能，并配备了基于颜色编码的风险指示器的视觉报警机制。