| 融合特征增强与DeepSort的疲劳驾驶检测跟踪算法 |
| |
| 引用本文： | 冉险生,贺帅,苏山杰,李锐.融合特征增强与DeepSort的疲劳驾驶检测跟踪算法[J].国外电子测量技术,2023(8):54-62. |
| |
| 作者姓名： | 冉险生 贺帅 苏山杰 李锐 |
| |
| 作者单位： | 重庆交通大学机电与车辆工程学院 |
| |
| 摘 要： | 为了提高疲劳驾驶检测过程中面部特征识别的连续检测性和鲁棒性，降低车载终端的配置需求，设计了一种轻量化的人脸检测跟踪方法用于驾驶员疲劳检测。首先，采用MobileNetv3-Small作为面部特征提取主干轻量化网络模型，引入简单无参数注意力模块(simple, parameter-free attention module, SimAM)和深度超参数化卷积(depthwise over-parameterized convolutional, DOConv)构建特征映射和轻量化特征增强模块深度优化和关注人脸区域信息。然后融合DeepSort进行连续分类跟踪，优化面部遮挡对检测性能的影响。接着将人脸特征检测和关键点结合，根据单位时间内眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time, PERCLOS)疲劳阈值、连续闭眼帧数和打哈欠总数判别疲劳驾驶。实验结果表明，模型的平均精度均值和查全率达到了98.9%和97.2%,提高了1.8%和6.3%;同时，浮点运算量仅为基准模型的28.3%,模型体积仅为7 MB。最终得出...
|
| 关 键 词： | YOLOv5s 轻量化 特征增强 DeepSort 疲劳驾驶检测 |
|
|
