摘要
【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