基于低成本边缘硬件的实时车内驾驶员行为识别

本文解决了汽车安全领域的一个关键需求，即开发可在廉价硬件上运行的实时驾驶员监控系统 (DMS)。 专注于低延迟、高能效和成本效益使得这项研究非常适合广泛部署。 紧凑的视觉模型、混淆感知标签设计和时间决策头的结合是提高准确性和减少误报的深思熟虑的方法。 跨多样数据集和真实世界测试的验证进一步增强了本文的贡献。 关于 DMS 在以人为本的车辆智能方面的潜力的讨论增加了本文的重要性。

• •为低成本边缘硬件开发实时驾驶员行为识别系统。
• •采用紧凑的视觉模型、混淆感知标签设计和时间决策头，以提高准确性和减少误报。
• •在 Raspberry Pi 5 和 Google Coral Edge TPU 上实现实时性能 (16-25 FPS)。
• •在多样的数据集和真实的车辆内测试中验证系统。
• •强调 DMS 在以人为本的车辆智能方面的潜力。