科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决驾驶过程中出现疲劳的问题，提出了一种基于卷积神经网络的疲劳驾驶检测算法。在原始YOLOv5网络的基础上，提出一种Mosaic-8数据增强的方法提高网络训练的学习效率；并在骨干网络C3层中引入SE注意力机制模块，增加网络中通道之间的相关性；最后通过EIOU损失函数替换原网络中的损失函数。相比于原始算法，改进算法对人体的眼睛和嘴巴部位有着更好的检测效果，可以准确地提取驾驶员的眼睛嘴巴开合特征。在驾驶疲劳的评判标准上选择PERCLOS指标对驾驶员的疲劳进行判定，能够客观准确地对驾驶员的疲劳状态进行预警。相较于其他深度学习的疲劳检测算法，所提方法在精度上有所提高，实验证明其准确率可以达到97.8%。
-
单位自动化学院; 江西理工大学
