基于深度学习的驾驶员走神行为检测系统.zip

### 项目概述 随着生活水平的提高,车辆日益剧增,交通事故数量逐年增加,造成了巨大人员伤亡和财产损失。根据中华网汽车安全部门的数据,五分之一的车祸是由一名分心的司机引起的,这意味着每年有 425,000 人受伤,3000 人因分心驾驶而死亡。 那么造成这样现象的原因是什么,主要有因为司机疲劳驾驶,或者走神去做其他事情,想象身边的例子, 开车时候犯困,开始时候打电话,发短信,喝水,拿后面东西,整理化妆的都有。这对道路安全和行车效率形成了极大的影响。 为了改善这一令人吃惊的数据, State Farm 希望通过仪表板摄像头能够自动检测驾驶员分散注意力的行为,并更好地为客户提供保险。给定 2D 仪表板相机图像的数据集,StateFarm 正在挑战 Kagglers 对每个驾驶员的行为进行分类。 他们是否专心驾驶,系好安全带, 还是在后座与朋友一起拍照? ### 问题描述 我们要做的事情,就是根据车内摄像机的画面自动检测驾驶员走神的行为。如果是安全驾驶则一切正常,如果有走神行为,给予警报提醒。根据驾驶员常见驾驶动作,将将驾驶员的状态归纳为以下十种: c0: 安全驾驶 c1: 右手打字 c2: 右手打电话 c3: 左手打字 c4: 左手打电话 c5: 调收音机 c6: 喝饮料 c7: 拿后面的东西 c8: 整理头发和化妆 c9: 和其他乘客说话 这是一个有明确分类的监督学习多分类问题,可以采用卷积神经网络模型来求解。 ### 输入数据集 数据集来自 kaggle。https://www.kaggle.com/c/state-farm-distracted-driver-detection/data 数据集包含以下几部分: **训练数据**:训练数据根据驾驶员的不同状态,将数据从 c0 到 c9 分为 10 组,每组 2000个左右,总共 22424 个图片数据,图片大小:640x480 **测试数据**:测试数据为 79726 张图片数据,同一个驾驶员只出现在训练数据或者测试数据里。 **driver_imgs_list**.csv: 一个 CSV 文件,里面为所有训练图片编号,以及其对应的驾驶员、动作编号。 ### 项目详细流程见毕业论文： distracted_driver_detection.pdf