HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO
Lọc theo danh mục
liên kết website
Lượt truy cập
Lượt truy cập :
49,959,102
- Công bố khoa học và công nghệ Việt Nam
50
2020304 - Hệ thống giám sát tự động
Hồ Thị Hương Thơm
Phát hiện và cảnh báo hành vi sử dụng thiết bị di động của người lái xe dựa trên học sâu
Deep Learning-Based Driver Mobile Device Usage Detection and Warning
Tạp chí Khoa học Công nghệ Hàng hải
2026
85
177-182
1859-316X
Số vụ tai nạn ô tô ngày càng tăng là việc rất cần được quan tâm các hệ thống giao thông hiện nay. Theo WHO (Tổ chức Y tế Thế giới), tai nạn giao thông đường bộ là nguyên nhân gây tử vong đứng thứ tám trên toàn cầu. Hơn 80% vụ tai nạn giao thông trên đường bộ đều xuất phát từ người lái xe mất tập trung, chẳng hạn như sử dụng điện thoại di động, ăn uống, nói chuyện với hành khách hoặc hút thuốc. Đã có rất nhiều nỗ lực nhằm hạn chế lái xe mất tập trung; tuy nhiên, chưa đưa ra được biện pháp tối ưu nào. Một cách tiếp cận thực tế để giải quyết vấn đề này là áp dụng các biện pháp định lượng cho mọi hoạt động của người lái cũng như thiết kế một hệ thống nhận diện những hành động gây mất tập trung.Trong bài báo này đã triển khai một mô hình học sâu YOLO11 có thể phân loại hiệu quả hành động sử dụng điện thoại gây mất tập trung của người lái và đưa ra khuyến nghị trong xe để giảm thiểu mức độ mất tập trung và tăng cường nhận thức trong xe nhằm cải thiện an toàn. Mô hình đã này đạt độ chính xác cao với tập dữ liệu huấn luyện 9668 ảnh. Sau đó mô hình được cài đặt chạy trên điện thoại di động và thử nghiệm cho 5 video quan sát với độ chính xác là 92,6%. Với kết quả này góp phần quan trọng vào bài toán cảnh báo kịp thời khi người lái ô tô có hành vi mất tập trung, giảm thiểu nguy cơ tai nạn giao thông từ đó nâng cao an toàn đường bộ.
The increasing number of automobile accidents is a significant problem in current traffic systems. According to the World Health Organization (WHO), road traffic accidents are the eighth leading cause of death globally. More than 80% of road traffic accidents are caused by driver distraction, such as using mobile phones, eating, talking to passengers, or smoking. Many efforts have been made to address the issue of distracted driving; however, no opti-mal solution has yet been proposed. A practical approach to tackle this prob-lem is to apply quantitative measures to driver activities and design a system to detect distracting actions. In this paper, a YOLO11 deep learning model was implemented, capable of effectively classifying distracting mobile phone usage behavior by drivers and providing in-vehicle recommendations to mitigate distraction levels and enhance in-vehicle awareness for improved safety. The model achieved high accuracy for training datasets of 9668 images. Subsequently, the model was deployed on mobile phones and tested on 5 observation videos, yielding an accuracy of 92.6%. This significantly contributes to timely warn-ings for drivers, reducing the risk of traffic accidents due to distraction, thereby enhancing road safety
TTKHCNQG, CVt 66
Xem toàn văn