운전자 자세 추정을 구현하기 위해 26명의 운전자를 포함하는 자세 추정 데이터셋을 수집 및 구축했으며, 운전자 자세를 효율적으로 인식하기 위한 경량화된 컨볼루션 신경망을 제안했다. 우선 수학적 모델링을 통해 운전자의 자세 인식 문제를 손실 함수가 최소일 때 관절점 예측값 신뢰도 맵과 참값 신뢰도 맵 사이의 매핑 함수 탐색 문제로 전환했다. 각 단계의 백본 구조로 Hourglass 모듈을, 기본 구성 단위로 잔차 블록을 사용하고, 배치 정규화와 활성화 함수를 적용하여 완전 컨볼루션 신경망을 구축했다. 원본 이미지 정보와 기본 컨텍스트 정보를 활용하기 위해 다중 특징 집계의 2단계 연쇄 구조를 사용하며, 1단계의 거친 예측 맵이 후속 단계 예측을 안내한다. 여러 손실 함수를 사용하여 네트워크 모델이 더 깊고 정밀한 표현을 학습하도록 했다. 비교 실험을 통해 모델의 실현 가능성을 검증했으며, 연쇄 네트워크 구조와 다중 손실 함수 전략이 모델 예측 정확도를 3.84% 향상시켰다. 실험 결과 본 논문에서 제안한 네트워크 구조는 계산량과 파라미터 수가 다른 사람 자세 추정 모델에 비해 훨씬 적으며, 모델 파라미터 수는 0.7M에 불과하고 평균 예측 정확도는 95.74%에 달해 차량 내에서 실시간 운전자 자세 감지가 가능하다.

기계 비전;합성곱 신경망;운전자 자세 추정;연쇄 구조