ドライバーの姿勢推定を実現するために、26人のドライバーを含む姿勢推定データセットを収集・構築し、運転姿勢の効率的な識別のための軽量畳み込みニューラルネットワークを提案した。まず、数学的モデリングにより、ドライバーの姿勢認識問題を損失関数が最小となる関節点の予測値信頼図と真値信頼図の写像関数を求める問題に変換した。各段階のバックボーン構造としてHourglassモジュールを、基本構成単位として残差ブロックを用い、バッチ正規化と活性化関数を使用して全畳み込みニューラルネットワークを構築した。原画像情報と基本的な文脈情報を活用するために、多特徴集約の2段階カスケード構造を使用し、第1段階の粗い予測図が後続段階の予測を指導する。複数の損失関数を使用することで、ネットワークモデルはより深く正確な表現を学習する。比較実験によりモデルの実現可能性を検証し、カスケードネットワーク構造と多損失関数戦略がモデルの予測精度を3.84％向上させた。実験結果は、本論文で提案したネットワーク構造の計算量とパラメータ数が他の人体姿勢推定モデルよりはるかに少なく、モデルパラメータ数はわずか0.7 Mであり、平均予測精度は95.74％に達し、車載端末での運転姿勢のリアルタイム検出を実現できることを示している。

機械ビジョン;畳み込みニューラルネットワーク;ドライバー姿勢推定;カスケード構造