Driver Activity Detection and Classification Using Deep Learning- Based YOLO Models for Intelligent Transportation Systems

Sintesi Tecnica: Rilevamento e Classificazione dell'Attività del Conducente Utilizzando Modelli YOLO Basati su Deep Learning

Problematica
La distrazione del conducente e i comportamenti non sicuri rimangono tra i principali contributori agli incidenti stradali a livello globale, causando significative perdite economiche, lesioni e decessi. Sebbene i Sistemi di Trasporto Intelligenti (ITS) mirino a mitigare questi rischi attraverso il monitoraggio in tempo reale, le soluzioni esistenti affrontano spesso limitazioni. La ricerca precedente si basa frequentemente sul rilevamento di comportamenti isolati (ad esempio, solo l'uso del telefono o la fatica), manca di un'analisi multi-caratteristica completa (ignorando la postura del corpo o l'interazione con gli oggetti) ed è spesso valutata in ambienti offline piuttosto che in ambienti video in tempo reale. Inoltre, molti dataset esistenti sono basati su sensori o mancano delle annotazioni specifiche dei bounding box richieste dalle moderne architetture di rilevamento oggetti, creando una lacuna per sistemi di riconoscimento dell'attività del conducente robusti e in tempo reale, adatti a diverse condizioni di guida.

Metodologia
Lo studio propone un framework di deep learning utilizzando architetture di rilevamento oggetti You Only Look Once (YOLO) per rilevare e classificare le attività del conducente in scenari del mondo reale.

• Costruzione del Dataset: Un dataset personalizzato è stato sviluppato da condizioni di guida reali nelle città di Debre Markos e Motta, Etiopia. Utilizzando uno smartphone Samsung Galaxy A52 e una fotocamera digitale, sono state registrate 10 sequenze video che sono state convertite in 5.422 fotogrammi annotati manualmente. Il dataset include otto classi di attività distinte: guida sicura, bere, mangiare, telefonare, operare componenti del veicolo, sistemarsi trucco/capelli, gestione di oggetti e parlare con i passeggeri.
• Pre-elaborazione e Annotazione: Le immagini sono state ridimensionate a 1280×720 (formato JPG) e annotate utilizzando lo strumento LabelImg. Le annotazioni sono state esportate in formato YOLO, composto da coordinate di bounding box normalizzate (centro x, y, larghezza, altezza) e ID classe. Il dataset è stato suddiviso in set di addestramento (80%), validazione (10%) e test (10%).
• Architettura del Modello: Sono stati valutati quattro modelli basati su YOLO: YOLOv5s, YOLOv5m, YOLOv5l e YOLOv8n. Questi modelli sono stati selezionati per il loro equilibrio tra velocità e precisione. Lo studio ha impiegato tecniche di transfer learning, addestrando i modelli sul dataset personalizzato utilizzando iperparametri tra cui una dimensione del batch di 10, 5 epoche, una dimensione dell'immagine di 640 e un tasso di apprendimento di 0,001.
• Metriche di Valutazione: Le prestazioni sono state valutate utilizzando metriche standard di rilevamento oggetti: Precision, Recall, F1-score e Mean Average Precision (mAP) a una soglia di Intersection over Union (IoU) di 0,5. Le curve di perdita di addestramento e validazione sono state inoltre analizzate per monitorare la convergenza.

Contributi Chiave
Il documento delinea cinque contributi primari:

1. Modello di Rilevamento Integrato: La progettazione di un modello che incorpora sia le azioni del conducente che i comportamenti di manipolazione di oggetti, andando oltre il rilevamento di caratteristiche isolate.
2. Framework Comparativo: Una valutazione sistematica che confronta le varianti YOLOv5 all'avanguardia con YOLOv8 per il riconoscimento dell'attività del conducente.
3. Classi di Attività Raffinate: L'introduzione di un set compatto e ben definito di otto classi di attività per migliorare l'accuratezza e l'interpretabilità dei comportamenti rilevati.
4. Sistema di Monitoraggio in Tempo Reale: Lo sviluppo di un sistema basato su telecamera fissa capace di osservare le attività del conducente e la visibilità dei passeggeri in tempo reale.
5. Validazione delle Prestazioni: Dimostrazione di una migliore accuratezza di rilevamento e affidabilità della classificazione rispetto agli studi correlati esistenti.

Risultati Sperimentali
Gli esperimenti sono stati condotti utilizzando Google Colab con accelerazione GPU (NVIDIA Tesla K80). I risultati hanno indicato una chiara correlazione tra la complessità del modello e le prestazioni di rilevamento:

• YOLOv5s: Ha raggiunto un mAP del 90,0%.
• YOLOv5m: Ha raggiunto un mAP del 92,5%.
• YOLOv5l: Ha raggiunto un mAP del 95,0%.
• YOLOv8n: Ha ottenuto la prestazione più elevata con un mAP del 96,3%.

Sebbene YOLOv8n abbia dimostrato una precisione superiore, ha richiesto il tempo di addestramento più lungo (3,012 ore) e ha prodotto il peso del modello più grande (102,4 MB). Al contrario, YOLOv5s ha offerto l'addestramento più veloce ma con una precisione ridotta. Le curve di perdita di addestramento e validazione hanno confermato una convergenza stabile per tutti i modelli.

Significatività e Rivendicazioni
Il documento afferma che le architetture YOLO avanzate, in particolare YOLOv8, forniscono soluzioni accurate ed efficienti per il riconoscimento dell'attività del conducente in tempo reale. Lo studio sostiene che il framework proposto contribuisce significativamente al miglioramento dei Sistemi di Trasporto Intelligenti e della sicurezza stradale, consentendo il monitoraggio continuo e automatizzato dei comportamenti di guida rischiosi. Gli autori concludono che il metodo proposto supera gli approcci esistenti in termini di accuratezza di rilevamento e affidabilità, validando l'uso del deep learning per il monitoramento dell'interno dell'abitacolo.

Direzioni Future
Gli autori suggeriscono modestamente che il lavoro futuro dovrebbe concentrarsi sull'ottimizzazione delle architetture YOLO ed esplorare ulteriori iperparametri. Raccomandano di espandere il dataset per includere comportamenti più diversificati e aumentare il numero di classi di attività per migliorare la generalizzazione. Inoltre, la ricerca futura dovrebbe affrontare i limiti riguardanti il rilevamento notturno e l'implementazione nel mondo reale in ambienti di traffico complessi per migliorare ulteriormente la robustezza del sistema.