Rozpoznávání činností řidiče z obrazů získaných vnitřní kamerou ve vozidle

Abstract

Diplomová práce se zaměřuje na rozpoznávání činností řidiče pomocí analýzy obrazových dat z~vnitřní kamery vozidla. Cílem bylo vyvinout systém, který dokáže automaticky detekovat akce jako je zapínání a odepínání bezpečnostního pásu, řazení rychlostí a používání mobilního telefonu. Pro~analýzu polohy řidiče byla využita detekce klíčových bodů těla metodou skeleton-based přístupu s~použitím knihovny MediaPipe. Navržené příznaky byly následně analyzovány pomocí rekurentních neuronových sítí typu Long Short-Term Memory (LSTM). Experimenty ukázaly, že rozpoznávání vybraných činností je možné, přičemž dosažená přesnost ukazuje prostor pro další vylepšení.

This master's thesis focuses on the recognition of driver activities using image data captured by an~in-car camera. The goal was to develop a system capable of automatically detecting actions such as fastening and unfastening the seat belt, shifting gears, and using a mobile phone. Driver posture was analyzed by detecting key body points using a skeleton-based approach with the MediaPipe library. The proposed features were then analyzed using recurrent neural networks of the Long Short-Term Memory (LSTM) type. The experiments showed that recognition of selected activities is feasible, while the achieved accuracy indicates room for further improvement.