Driver Gaze Zone Estimation Using Deep Neural Network

Dieses Kapitel befasst sich mit der entscheidenden Rolle der Blickeinschätzung der Fahrer bei der Verbesserung der Verkehrssicherheit, insbesondere im Kontext zunehmender Verkehrsunfälle in Indien. Die Studie verwendet tiefgreifende Lernmodelle, insbesondere EfficientNet-Varianten, um den Blick des Fahrers in fünf Schlüsselzonen zu klassifizieren: nach vorn, Rückspiegel, Rechtsspiegel, Linksspiegel und Mittelkonsole. Der verwendete Datensatz DGW (Driver Gaze in Wild) ist einer der größten, der unter indischen Bedingungen erhoben wurde und sich durch Variabilität bei der Beleuchtung und unterschiedliche demografische Daten der Teilnehmer auszeichnet. Die Studie vergleicht die Leistung der Modelle EfficientNet-B2 und EfficientNet-B7, wobei letztere die höchste Genauigkeit von 76% erreichen. Die Verwirrungsmatrix zeigt, dass die Zonen des rechten Spiegels und der Mittelkonsole am genauesten klassifiziert sind, während Rückspiegel und Vorwärtszonen häufig mit benachbarten Zonen verwechselt werden. Die Studie schließt mit der Diskussion der möglichen Anwendungen der Blickeinschätzung des Fahrers beim Verständnis des Fahrverhaltens und der Verbesserung der Straßeninfrastruktur und der Sicherheitssysteme. Zukünftige Forschungsrichtungen umfassen die Erforschung fortgeschrittener Deep-Learning-Architekturen und hoch entwickelter CNNs für eine bessere Extraktion von Features und die Klassifizierung von Blickzonen.