ДЕТЕКЦИЈА ОМЕТЕНОСТИ ВОЗАЧА НА ОСНОВУ АНАЛИЗЕ СНИМКА ВОЗАЧА ПРИМЕНОМ МЕТОДА ДУБОКОГ УЧЕЊА

Apstrakt

Људска грешка и расејана вожња представљају главни узрок тешких саобраћајних несрећа. Један од начина за решавање овог проблема је уградња камера на инструмент табли унутар возила које би могле да алармирају возача када се упусти у било коју активност која му одвлачи пажњу од вожње. У овом раду представљамо систем заснован на дубоком учењу за откривање ометаних возача користећи 2D слике контролне табле. Скуп података је сачињен од 22.388 RGB слика 26 јединствених возача који су класификовани у десет класа, од којих девет представља ометено понашање возача. Модел се састоји од два дела: VGG19 конволуциона неуронска мрежа за издвајање карактеристика из улазне слике и OpenPose модел за процену људске позе. Коначни модел је постигао тачност од 84% на тестном скупу података.