第一个:基于特征参数图像和剩余旋转变压器的疲劳驾驶识别方法
Weichu Xiao1,2, Hongli Liu1, Ziji Ma1
1College of Electrical and Information Engineering, Hunan University, Changsha 410082, China.
Sensors (Basel, Switzerland)
|January 26, 2024
概括
这项研究引入了一种新的方法来检测驾驶员的疲劳,使用面部特征分析和剩余的Swin变压器. 该方法实现了高精度,通过识别昏昏欲睡的驾驶员,显著提高了道路安全.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 道路交通安全 道路交通安全
背景情况:
- 司机疲劳对道路安全构成重大风险.
- 由于面部表情,行为连续性和照明的变化,精确检测疲劳是具有挑战性的.
- 及时发出驾驶员疲劳警告对于防止事故至关重要.
研究的目的:
- 开发一种精确的疲劳驾驶识别方法.
- 为了应对疲劳检测中的类内变化和照明条件的挑战.
- 通过实时监控驾驶员来提高交通安全.
主要方法:
- 使用空间金字塔聚合和多尺度特征输出的面部检测.
- 面部地标检测可以识别23个关键点.
- 计算眼睛和口腔的比例,以形成一个特征参数矩阵.
- 将特征矩阵转换为输入到剩余Swin变压器网络的图像.
主要成果:
- 拟议的方法在HNUFD数据集上实现了96.512%的准确性.
- 该系统有效地识别疲劳驾驶模式.
- 性能超过了现有的最先进的方法.
结论:
- 开发的疲劳驾驶识别系统证明了其高效性.
- 特性参数图像和残余Swin变压器方法是道路安全的一个有希望的解决方案.
- 这种方法在检测驾驶员疲劳方面取得了重大进展.
