使用多式联络神经网络优化驾驶员疲劳检测方法
Shengli Cao1, Peihua Feng2, Wei Kang3
1School of Automation, Xi'an University of Posts and Telecommunications, Chang'an South Road, Xi'an, 710061, Shannxi, People's Republic of China.
Scientific reports
|April 10, 2025
概括
一个新的多式联接神经网络模型使用生理和面部数据准确地检测驾驶员的疲劳. 这种先进的系统达到98.41%的准确性,通过可靠的监控显著提高了道路安全.
科学领域:
- 人工智能的人工智能
- 生物医学工程 生物医学工程
- 运输安全运输安全
背景情况:
- 驾驶员疲劳是道路交通事故的主要原因之一.
- 目前的检测方法往往缺乏精度和可靠性.
- 需要先进的系统来监测驾驶员的警觉性.
研究的目的:
- 开发和评估一种新的多式联网神经网络,用于精确检测驾驶员疲劳.
- 调查整合生理和面部数据的有效性.
- 通过提供可靠的疲劳监测解决方案,提高道路安全.
主要方法:
- 使用了包含生理 (EEG,ECG) 和面部数据的DROZY数据集.
- 开发了两种多式联络神经网络模型:特征组合和特征合.
- 亮点模型采用了复杂的合机制,其中特征相互权衡.
主要成果:
- 多式联用模型实现了98.41%的准确率,98.38%的精度,98.39%的回忆率和98.38%的F1分数.
- 多式联运功能组合模型实现了94.87%的准确性.
- 多数投票策略提高了决策的稳定性.
结论:
- 这款多式联动型车型在驾驶员疲劳检测方面表现出卓越的性能.
- 这种方法为车载监控系统带来了重大进步.
- 这些发现有助于制定更有效的策略来预防与疲劳有关的事故.
