基于轻量化卷积神经网络的疲劳驾驶检测

作者：程泽; 林富生^*; 靳朝; 周鼎贺

来源：重庆理工大学学报：自然科学, 2022, 36(02): 142-150.

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

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20.83 ms,模型大小仅为9 MB,有效平衡了疲劳驾驶检测的准确性与实时性。

• 单位
  自动化学院; 武汉纺织大学