一种基于深度学习的驾驶员打电话行为检测方法*

代少升，黄向康，黄 涛，王海宁，梁 辉

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.东北大学 计算机科学与工程学院，沈阳 110167)

0 引 言

随着智能手机在日常生活中的频繁使用，驾驶途中的打电话行为越来越多。研究表明，开车打电话会导致驾驶人注意力下降20%，如果通话内容很重要，则驾驶人的注意力会下降37%[1]。因驾驶员打电话导致的道路交通事故报道不时见诸新闻[2]，而且开车时打电话亦是违反交通法的行为，因此能实时准确地对驾驶员打电话行为进行检测并预警具有很大的市场需求[3]。

目前，对驾驶员打电话行为检测的方法主要分为两种：一种是基于手机信号检测，另一种是基于机器视觉检测。基于手机信号检测是通过监测手机信号的变化来确定驾驶员是否在打电话，因为接打电话时的手机功率相较于待机状态更强。Rodriguez[4]等人通过在固定区域安装天线，监控行驶中车辆上的手机信号来判断驾驶员打电话行为，但此方法容易受到乘客手机信号的干扰，误检率较高。

基于机器视觉的检测方法是通过分析采集到的驾驶室视频，运用图像处理算法监测是否存在打电话行为[5]。王丹[6]通过将驾驶员行为分解为一系列包含时序关系的原子动作，如手部动作、头部姿势等多项信息，再由此来综合判断打电话动作，但检测结果在头部偏转和光照比较强烈时误差较大。吴晨谋等人[7]基于人体三维姿态估计的方法，获取驾驶员上半身的8个骨骼节点的三维坐标，对驾驶员的行为识别分析，以此判断驾驶员是否接打电话。……