多特征融合的驾驶员疲劳状态检测方法 |
| |
引用本文: | 方浩杰,董红召,林少轩,罗建宇,方勇.多特征融合的驾驶员疲劳状态检测方法[J].浙江大学学报(自然科学版 ),2023(7):1287-1296. |
| |
作者姓名: | 方浩杰 董红召 林少轩 罗建宇 方勇 |
| |
作者单位: | 1. 浙江工业大学智能交通系统联合研究所;2. 杭州金通科技集团股份有限公司 |
| |
基金项目: | 国家自然科学基金资助项目(61773347); |
| |
摘 要: | 针对现有疲劳状态检测方法无法适用于疫情防控下的驾驶员,利用改进后的YOLOv5目标检测算法,对驾驶员的面部区域进行检测,建立多特征融合的疲劳状态检测方法.针对公交驾驶特性,建立包含佩戴口罩和未佩戴口罩情况的图像标签数据.通过增加YOLOv5模型的特征采样次数,提高眼、嘴、面部区域的检测精度.利用BiFPN网络结构保留多尺度的特征信息,使得预测网络对不同大小的目标更敏感,提升整体模型的检测能力.结合人脸关键点算法提出参数补偿机制,提高眨眼、打哈欠帧数的准确率.将多种疲劳参数融合归一化处理,开展疲劳等级划分.公开数据集NTHU和自制数据集的验证结果表明,该方法对佩戴口罩和未佩戴口罩情况均可以进行眨眼、打哈欠识别,可以准确地判断驾驶员的疲劳状态.
|
关 键 词: | 驾驶安全 疲劳检测 YOLOv5 视频分析 模拟驾驶 |
|
|