摘要
在道路交通安全领域，疲劳驾驶导致交通事故频发的问题日益凸显，因此，开发一套实时、有效、准确的疲劳驾驶检测系统非常重要。当前，基于驾驶员行为特征的疲劳检测与预警技术是该领域的重点研究方向，然而其在实际应用中仍然面临着诸多挑战，如难以有效提取疲劳行为的时序特征信息、复杂光照环境下识别率不高、面部遮挡导致无法检测以及设备造价昂贵等问题，同时现有方法主要基于单特征提取来判断驾驶员是否疲劳，致使检测准确率低，泛化能力弱，实时性差。针对以上问题，本文设计了一种基于图像增强与多特征融合的疲劳驾驶检测模型，并开发了一套疲劳驾驶实时检测系统。本文主要研究内容如下: (1)基于弱光图像增强的人脸检测与局部定位模型 针对在弱光环境下摄像头拍摄的视频对比度、亮度和信噪比低的问题，难以进行有效的人脸检测以及疲劳特征的提取，本文设计了一种基于弱光图像增强的人脸检测与局部定位模型。该模型能够对图像帧进行光照增强处理，以提升图像帧的质量和清晰度，结合Dlib库针对人脸检测与局部关键点定位进行了改进。同时该模型能够有效应对光照变化和面部遮挡等复杂情况，高效且准确的实现人脸检测，快速定位人脸区域。在此基础上，本文通过对图像帧进行局部分割，获取嘴部、眼部和头部等关键区域的图像，为后续的多特征提取与融合奠定基础。 (2)基于多特征提取与融合的疲劳驾驶检测模型 本文设计了一种基于多特征提取与融合的疲劳驾驶检测模型。通过多分支CNN-LSTM网络，分别对嘴部、眼部和头部进行疲劳多特征捕捉，多分支策略使提取的疲劳特征信息更加全面，而且卷积神经网络和长短期记忆网络能够充分有效的提取这些区域空间维度和时间维度上的疲劳特征信息。随后，利用信息加权融合策略，将这些特征数据进行融合，并输入到MLP-Mixer网络中进行疲劳状态预测。 (3)基于图像增强与多特征融合的疲劳驾驶检测系统实现 本文基于上述工作设计并开发了一套疲劳驾驶检测系统。该系统能够实时采集驾驶员面部图像，通过弱光图像增强、人脸检测与局部关键点定位、多特征提取与融合、疲劳判断等步骤，实现对疲劳驾驶的准确检测与预警。实验表明，本文设计的方法在模拟驾驶场景中进行疲劳驾驶检测具有较高的准确率和实时性，为提升驾驶安全性、减少交通事故提供了有力的技术支持。
NETL