基于深度学习的驾驶员疲劳检测算法研究

作     者：郑瀚 ZHENG Han

作者机构：河池学院人工智能与制造学院广西河池546300 

出 版 物：《信息技术与信息化》 (Information Technology and Informatization)

年 卷 期：2024年第12期

页      面：49-52页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：2024度广西高校中青年教师基础能力提升项目“驾驶员情绪识别的关键技术研究”(2024KY0629) 

主　　题：疲劳驾驶 ShuffleNet网络 信息融合 

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。