低光环境下的驾驶员疲劳检测方法

作者：姚伟

来源：重庆工商大学学报(自然科学版), 2023, 1-7.

• 疲劳检测
• 低光增强
• 双分支网络
• 集成学习

【目的】驾驶员疲劳是导致交通事故的主要因素之一，尤其在夜间低光照环境下，疲劳检测变得更加具有挑战性。针对低光环境下的驾驶员面部特征提取困难的问题，提出了一种融合局部全局特征的低光照环境驾驶员疲劳检测方法。【方法】该方法包括低光增强模块和双流网络检测模块。低光增强模块是在多分枝弱光增强网络（MBLLEN）的特征提取层添加通道注意力（SE-Net）模块，提高低光增强算法对驾驶员面部特征信息的关注，更好的增强了夜间驾驶员的低光图像。双流网络检测模块使用双分支网络结构，分别提取全局面部信息和局部面部信息。首先，驾驶员原始的夜间图像经过低光增强算法增强。然后，输入双流网络中，双分支结构网络分别使用ResNet-34和ResNet-18提取全局特征和局部特征，最后，通过集成学习方法将局部和全局特征信息融合，以不同权重贡献比的方式生成最终的疲劳状态预测。【结果】实验结果表明，提出的方法在THU-DDD数据集上表现出良好的性能，最终的检测准确率为90.10%。【结论】文中提出的方法在夜间驾驶员疲劳检测方面表现出较高的准确性，为夜间驾驶员疲劳检测领域带来了重要的进展，具有深远而重要的意义。

• 单位
  安徽理工大学