重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2022, Vol. 36 ›› Issue (2): 142-150.

• 信息·计算机 • 上一篇    下一篇

基于轻量化卷积神经网络的疲劳驾驶检测

程 泽１，２，３，林富生１，２，３，靳 朝１，２，３，周鼎贺１，２，３   

  1. １．武汉纺织大学 机械工程与自动化学院； ２．湖北省数字化纺织装备重点实验室； ３．三维纺织湖北省工程研究中心
  • 发布日期:2022-03-14
  • 作者简介:程泽，男，硕士研究生，主要从事图像处理与检测研究；林富生，男，博 士，教授，主要从事信号分析与故障诊断研究

  • Published:2022-03-14

PDF (PC)

478

赞

摘要： 针对现有疲劳驾驶检测模型在判定准确性与实时性上的不平衡问题，设计了一种基于轻量化卷积神经网络ＥＭＬｉｔｅ ＹｏｌｏＶ４的检测模型。通过使用ＭｏｂｉｌｅＮｅｔＶ２作为目标检测网络 ＹｏｌｏＶ４的主干特征提取网络，并且降低卷积通道系数 ａｌｐｈａ，使得网络参数量大幅度下降；改进柔性非极大值抑制使得目标框无需再同时考虑得分与重合度，进一步优化检测速率；加入轻量级特征金字塔 ＦＰＮｔｉｎｙ并且融合 ｍｏｓａｉｃ数据增强方法，以保证模型的检测精度。最后，利用ＥＭＬｉｔｅＹｏｌｏＶ４提取面部疲劳特征，ＰＥＲＣＬＯＳ与单位时间打哈欠次数对疲劳特征进行状态判定并输出结果。实验表明：该检测模型的准确率达到 ９７．３９％，ｍＡＰ指标为 ８０．０２％，单帧检测速度为 ２０．８３ｍｓ，模型大小仅为 ９ＭＢ，有效平衡了疲劳驾驶检测的准确性与实时性。

关键词: 疲劳驾驶检测, 轻量化卷积神经网络, 轻量级特征金字塔, 柔性非极大值抑, 数据增强

中图分类号: 

  • TP391.41