基于深度学习的驾驶员疲劳检测算法研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：疲劳驾驶是造成交通事故频繁发生的主要原因之一,对疲劳驾驶的有效检测对于提高行车安全具有重要意义.针对驾驶环境的多样性、驾驶员的差异性以及疲劳驾驶状态特征参数的不确定性,提出一种基于深度学习的多特征融合疲劳检测算法.首先采用ShuffleNet 网络获取复杂情况下的面部区域,解决疲劳检测存在的环境适应性差,光线不足等问题.其次获取驾驶员眼睛最大值和嘴巴最小值进行计算.最后通过信息融合,建立驾驶员疲劳状态评估模型对于驾驶员疲劳状态进行检测.实验的准确率为98.8%,召回率为90.2%,F-score为94.3%.本研究提出的深度学习疲劳检测算法,显著提升了驾驶安全性.

作者：

郑瀚

展开 >

作者单位：

河池学院人工智能与制造学院广西河池 546300

关键词：

疲劳驾驶 ShuffleNet网络信息融合

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.12.010

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(12)