고령화 운전자 국토부.pdf

최근 5년간 65세 미만 비고령운전자의 교통사고 사망자수는 점점 감소 추세이지만 65세 이상의 고령운전자 사망자수는 급속하게 증가하여 고령운전자의 교통안전 정책 개선이 필요

개인 운전자와 택시운전자의 고령화로 인해 탑승객과 운전자 사이의 차량내 폭행사건 빈도 증가와 고령화운전자의 이상행동 증가로 인해 교통사고가 늘어나고 있는 추세

기존 연구 - 선행 연구 조사

**다양한 데이터 셋

DAD 논문 선행 연구**

—————————-DAD관련된 다양한 데이터셋————————-———

Everal hand-focused datasets(다양한 손에 중점을 둔 데이터셋)

데이터셋 인용한 기법 한계점
CVRR-HANDS 3D

VIVA-Hands

DriverMH | 주로 인간-기계 상호 작용을 위한 손 제스처 인식 연구를 용이하게 하기 위해 설계 | 운전자의 운전 능력과 관련이 깊은 손 위치를 감지하는 데 사용 | | Ohn-bar | 운전자의 상태를 식별하는 데 사용할 수 있는 손 활동 및 자세를 연구 | 운전자의 얼굴과 머리 정보 또한 머리 자세, 시선 방향, 피로 및 감정과 같은 운전자의 상태를 식별하는 데 매우 중요한 단서를 제공 | | DADA

A Ground-Truth Data

DR(eye)VE | 눈동자 추적 주석을 제공 | 운전자가 어디에 주의를 기울이고 있는지를 식별하는 데 도움

DrivFace 데이터셋과 같이 차량 내부 디자인과 함께 사용 | | DriveAHead

DD-Pose | role, pitch 및 머리 자세 주석을 제공 | 330,000개 이상의 6DOF 머리 자세 측정 추가 실내 카메라의 이미지는 운전자 카메라 이미지와 함께 제공 GPS 위치, 스티어링 휠 각도 및 차량 동역학은 운전 상태에 대한 더 많은 정보를 제공 |

focus on the body actions of the drivers datasets(운전자의 몸의 행동에 중점을 둔 데이터셋)

데이터셋 인용한 기법 한계점
StateFarm 운전자의 몸의 행동에 중점을 둔 첫 번째 이미지 기반 데이터셋

안전한 운전과 9가지 추가 산만한 행동 클래스를 포함 | 이미지 기반이며 중요한 시간 정보가 부족 | | AUC Distracted Driver (AUC DD) | 전자의 행동을 캡처하기 위해 측면 카메라를 사용 | 이미지 기반이며 중요한 시간 정보가 부족 | | AUC DD | 중요한 시공간 정보의 중요성을 조사 | AUC DD 데이터셋에 대한 간단하게 수정된 정보 | | Drive&Act | 자율 주행 시나리오를 위해 주체가 산만과 관련된 행동을 수행하는 5개의 NIR 카메라로 녹화 | |

DMS(운전자 모니터링 시스템) 애플리케이션은 자동차에 배치되어야 하므로 자원 효율적인 아키텍처가 중요합니다. 최근 몇 년 동안 몇 가지 경량 CNN 아키텍처가 제안되었다.