基于YOLOv8的轻量化分心驾驶行为检测系统
1. 项目概述
分心驾驶行为识别是当前智能交通领域的重要研究方向。随着汽车保有量的持续增长，交通安全问题日益突出，而分心驾驶已成为导致交通事故的主要原因之一。传统检测方法主要依赖生理特征或车辆行为分析，存在侵入性强、易受干扰等局限性。
本项目基于YOLOv8目标检测算法，通过引入GhostConv轻量化技术、BiFPN特征融合和ECA注意力机制等创新方法，构建了一个轻量化分心驾驶行为检测系统。该系统能够在资源受限的车载设备上实现高精度、低延迟的实时检测，为提升道路安全提供了有效的技术解决方案。
2. 数据集构建与处理
2.1 数据采集与扩充
原始SFDDD数据集存在行为类别不足和场景单一的问题。我们使用华为20手机后置摄像头进行了补充采集，具体参数设置如下：
- 图像分辨率：3000×4000像素
- 焦距：2.0
- 采集角度：45°-60°俯角
- 新增行为类别：打哈欠、擦玻璃、吸烟、语音操作等5种
- 新增场景条件：夜间驾驶、不同天气状况
数据采集过程中需特别注意隐私保护和伦理合规，所有参与者均签署知情同意书，面部特征进行匿名化处理。
2.2 数据标注规范
使用LabelImg工具进行标注时，我们制定了详细的标注准则：
- 行为定义标准化：明确定义每种分心行为的判定标准
- 标注区域规范：
- 手持设备行为：标注手部+设备整体区域
- 面部相关行为：标注头部区域
- 身体动作行为：标注上半身区域
- 质量管控流程：
- 双人独立标注
- 第三方复核
- 定期抽样检查
标注文件采用YOLO格式，包含类别索引和归一化边界框坐标（x_center, y_center, width, height）。
2.3 数据增强策略
为提高模型泛化能力，我们实施了多层次数据增强：
| 增强类型 | 具体方法 | 参数范围 | 作用效果 |
|---|---|---|---|
| 基础增强 | 随机翻转 随机旋转 | ±15度 | 增加视角多样性 |
| 色彩增强 | 亮度调整 饱和度调整 | ±30% ±20% | 模拟光照变化 |
| 高级增强 | Mosaic拼接 MixUp混合 | 4图拼接 α=0.2 | 提升小目标检测 |
| 环境模拟 | 高斯噪声 模拟雨雾 | σ=0.01-0.05 | 增强鲁棒性 |
最终构建的数据集包含2619个样本，按8:1:1划分为训练集、验证集和测试集。
3. 模型架构设计
3.1 轻量化主干网络
采用GhostConv替代传统卷积，显著降低计算复杂度：
class GhostConv(nn.Module): def __init__(self, in_channels, out_channels, kernel_size=1, ratio=2, dw_size=3): super().__init__() init_channels = out_channels // ratio new_channels = out_channels - init_channels self.primary_conv = nn.Sequential( nn.Conv2d(in_channels, init_channels, kernel_size, bias=False), nn.BatchNorm2d(init_channels), nn.SiLU() ) self.cheap_operation = nn.Sequential( nn.Conv2d(init_channels, new_channels, dw_size, padding=dw_size//2, groups=init_channels, bias=False), nn.BatchNorm2d(new_channels), nn.SiLU() ) def forward(self, x): x1 = self.primary_conv(x) x2 = self.cheap_operation(x1) return torch.cat([x1, x2], dim=1)关键改进点：
- 特征冗余利用：通过线性变换生成Ghost特征
- 计算量对比：
- 标准卷积：$k^2×C_{in}×C_{out}$
- Ghost卷积：$k^2×C_{in}×m + d^2×m×(s-1)$ （其中m=C_out/s，s为压缩比）
3.2 特征融合优化
改进的BiFPN结构实现高效多尺度特征融合：
- 双向特征金字塔：
- 自上而下路径：传递高级语义特征
- 自下而上路径：保留空间细节信息
- 加权特征融合：
class BiFPN_Node(nn.Module): def __init__(self, channels): super().__init__() self.w = nn.Parameter(torch.ones(3, dtype=torch.float32)) self.epsilon = 1e-4 def forward(self, x1, x2, x3): w = self.w / (torch.sum(self.w, dim=0) + self.epsilon) return w[0]*x1 + w[1]*x2 + w[2]*x3 - 跨尺度连接：保留原始特征信息流
3.3 注意力机制增强
ECA注意力模块的改进实现：
class ECA(nn.Module): def __init__(self, channels, gamma=2, b=1): super().__init__() t = int(abs((math.log2(channels) + b) / gamma)) k = t if t % 2 else t + 1 self.avg_pool = nn.AdaptiveAvgPool2d(1) self.conv = nn.Conv1d(1, 1, kernel_size=k, padding=k//2, bias=False) self.sigmoid = nn.Sigmoid() def forward(self, x): y = self.avg_pool(x) y = self.conv(y.squeeze(-1).transpose(-1, -2)) y = self.sigmoid(y.transpose(-1, -2).unsqueeze(-1)) return x * y.expand_as(x)创新点：
- 自适应卷积核大小：根据通道数动态调整
- 无降维操作：保持特征完整性
- 局部跨通道交互：捕获邻近通道关系
4. 系统实现与优化
4.1 模型训练策略
采用分阶段训练方法提升收敛效果：
冻结阶段（前50轮）：
- 冻结主干网络
- 学习率：0.01
- 仅训练检测头
微调阶段（后50轮）：
- 解冻全部层
- 学习率：0.001
- 使用余弦退火调度
损失函数配置：
- 分类损失：Focal Loss（α=0.25, γ=2）
- 定位损失：CIoU Loss
- 置信度损失：BCEWithLogitsLoss
4.2 实时推理优化
部署阶段的性能优化措施：
- TensorRT加速：
trtexec --onnx=model.onnx --saveEngine=model.engine \ --fp16 --workspace=2048 - 量化压缩：
- 动态范围量化（FP32→FP16）
- 校准后INT8量化
- 多线程流水线：
- 图像采集：独立线程
- 预处理：CUDA加速
- 推理：TensorRT引擎
- 后处理：CPU并行
4.3 系统模块集成
完整系统架构：
图像采集模块：
- USB摄像头驱动
- 自动曝光控制
- 硬件触发同步
预处理流水线：
def preprocess(frame): # 自适应直方图均衡化 frame = cv2.createCLAHE(clipLimit=2.0).apply(frame) # 标准化 frame = (frame - mean) / std # 通道转换 return torch.from_numpy(frame).permute(2,0,1).unsqueeze(0)告警策略：
- 分级告警机制：
- 一级告警（语音+视觉）：持续3秒以上高风险行为
- 二级告警（视觉提示）：短暂分心行为
- 疲劳度累计算法：
def update_fatigue_score(detections): for class_id, duration in detections: if class_id in HIGH_RISK_CLASSES: self.score += duration * 0.2 else: self.score += duration * 0.1 return self.score > THRESHOLD
- 分级告警机制：
5. 实验评估与结果分析
5.1 性能指标对比
在测试集上的评估结果：
| 模型 | 参数量(M) | FLOPs(G) | mAP@0.5 | FPS |
|---|---|---|---|---|
| YOLOv8n | 3.2 | 8.7 | 0.782 | 142 |
| 改进模型 | 1.8 | 5.2 | 0.801 | 168 |
| 量化模型 | 0.9 | 2.6 | 0.793 | 210 |
关键发现：
- 轻量化设计使参数量减少43.7%
- 推理速度提升18.3%
- 检测精度提高1.9%
5.2 消融实验
各技术组件的贡献分析：
| 配置 | mAP@0.5 | 参数量(M) |
|---|---|---|
| Baseline | 0.782 | 3.2 |
| +GhostConv | 0.791 | 2.4 |
| +BiFPN | 0.796 | 2.1 |
| +ECA | 0.801 | 1.8 |
| 完整模型 | 0.801 | 1.8 |
5.3 实际场景测试
车载环境下的表现：
- 白天场景：准确率92.3%
- 夜间场景：准确率85.7%
- 极端天气：准确率79.2%
- 误报率：<3次/小时
6. 关键问题与解决方案
6.1 相似行为区分
针对右手发信息/打电话的区分策略：
- 引入细粒度分类头
- 增加手腕姿态特征
- 时序上下文建模：
class TemporalModule(nn.Module): def __init__(self, channels): super().__init__() self.conv1d = nn.Conv1d(channels, channels, 3, padding=1) def forward(self, x): # x: [B,T,C] return F.relu(self.conv1d(x))
6.2 小目标检测优化
针对远处/遮挡情况的改进：
- 高分辨率特征图保留
- 自适应锚框调整
- 注意力引导：
def forward(self, x): attn = self.attention(x) return x * attn + x
6.3 模型压缩技巧
部署阶段的优化经验：
- 通道剪枝策略：
- 基于L1-norm的重要性评估
- 逐层敏感性分析
- 知识蒸馏：
def distillation_loss(student_out, teacher_out, T=2): return F.kl_div( F.log_softmax(student_out/T, dim=1), F.softmax(teacher_out/T, dim=1), reduction='batchmean') * T*T - 量化感知训练：
- 插入伪量化节点
- 校准动态范围
在实际部署中发现，采用INT8量化后模型体积减小75%，推理速度提升2.3倍，而精度损失控制在1.5%以内。建议在资源受限设备上优先考虑量化方案，配合TensorRT引擎可获得最佳性价比。