DeepDDBD: Enhancing Driver Safety with Automated Detection of Distracted Driving Behaviors Using Deep Neural Networks
Nome: MARCELO BRINGUENTI PEDRO
Data de publicação: 16/12/2024
Banca:
Nome |
Papel |
|---|---|
| ALBERTO FERREIRA DE SOUZA | Presidente |
| CLAUDINE SANTOS BADUE | Examinador Interno |
| FRANCISCO DE ASSIS BOLDT | Examinador Externo |
Resumo: A distração do motorista é uma das principais causas de acidentes de trânsito, com a Organização Mundial da Saúde relatando mais de 40.000 mortes anuais no Brasil e estudos indicando que até 80% dos acidentes estão ligados à desatenção do motorista. Para resolver esta questão crítica, propomos DeepDDBD, um sistema automatizado para detectar e
classificar comportamentos distraídos ao dirigir usando redes neurais profundas. O sistema proposto introduz três inovações principais: (1) uma nova arquitetura Adaptive Split- Fusion (ASF) que integra Redes Neurais Convolucionais (CNNs) com modelos Transformer para melhorar a extração de recursos e a precisão da classificação, (2) validação em três conjuntos de dados, incluindo um conjunto de dados personalizado projetado para capturar uma ampla variedade de cenários de distração e (3) classificação de dez comportamentos
distintos do motorista, abrangendo distrações cognitivas, visuais e manuais. Os resultados experimentais demonstram que o DeepDDBD atinge uma acurácia média de 90,14% em todos os conjuntos de dados, superando os modelos de linha de base, como EfficientNetV2-M e ResNet152v2. O sistema distingue-se entre uma condução atenta e nove comportamentos distraídos diferentes, mantendo um desempenho robusto em diversas condições ambientais
e perfis de condutor. As principais contribuições deste trabalho incluem o desenvolvimento da arquitetura DeepDDBD adaptada para monitoramento do comportamento do motorista em tempo real, o lançamento de um conjunto de dados personalizado para pesquisas futuras e a validação empírica da abordagem ASF. Esses avanços fornecem uma base para aplicações práticas em sistemas de monitoramento de motoristas destinados a melhorar a segurança no trânsito.
