基于面部特征的驾驶疲劳检测应用研究

作     者：王福友 

作者单位：内蒙古工业大学 

学位级别：硕士

导师姓名：王永兰;李伟峰

授予年度：2023年

学科分类：08[工学] 082304[工学-载运工具运用工程] 082303[工学-交通运输规划与管理] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

主      题：疲劳驾驶 深度学习 轻量化 模型移植 

摘      要：疲劳驾驶是导致交通事故频繁发生的主要原因之一,为了避免由于疲劳驾驶引发的交通事故,需要提出一种实时且准确地判断出驾驶员的驾驶状态,并及时预警的方法。本文旨在研究开发一种基于驾驶员面部特征融合的疲劳驾驶检测系统,该系统输入驾驶端摄像头获取的实时驾驶视频,基于人脸检测模型、人脸关键点定位模型以及疲劳驾驶状态判定模型,实现实时驾驶状态检测并在显示端对驾驶员进行状态提醒,从而有效避免交通事故的发生。主要工作内容如下:(1)设计轻量化人脸检测模型。为了在计算能力有限的平台上部署疲劳驾驶检测系统,并避免人脸检测模型在检测过程中消耗过多的计算资源,本文采用网络通道剪枝和知识蒸馏两种方法对YOLOv5s模型进行轻量化设计。通过对实验所得模型进行测试和对比,选择了检测效果更为突出的网络通道剪枝方法作为最终的轻量化设计方案。(2)设计人脸关键区域定位与头部姿态估计模型。与常见的眼部、嘴部区域检测方法存在计算量大以及抗干扰能力弱等问题相比,人脸关键点定位方法有更好的实时性和更高的准确性。本文将Dlib、PFLD和Mediapipe face mesh三种人脸关键点定位方法进行实验对比,并选择在各方面表现更好的Mediapipe face mesh算法来完成驾驶员眼部、嘴部和头部区域定位任务。同时,使用传统的头部姿态估计算法通过计算欧拉角,得到驾驶员头部俯角值,从而对驾驶员头部姿态进行估计。(3)设计疲劳驾驶判定模型。当驾驶员处于疲劳状态时,其自身会出现快速眨眼、仰头打哈欠和闭眼频繁点头等现象。为了对驾驶员驾驶状态进行判定与提醒,本文将计算出的眼部、嘴部和头部三个区域的特征参数进行融合,并结合疲劳参数阈值进行判定。根据疲劳驾驶检测系统需求,使用Streamlit工具开发系统软件环境。在开发过程中,将上述模型嵌入到疲劳驾驶检测系统中,通过实验进行系统的性能分析与测试,实验结果表明本课题设计的疲劳驾驶检测系统可以满足实际应用需求。最后,为了实现疲劳驾驶检测系统的实际应用,将系统移植部署至Jetson Xavier NX嵌入式平台。