使用变压器架构实时检测驾驶员的昏昏欲睡:一种新的深度学习方法
Osama F Hassan1, Ahmed F Ibrahim2,3, Ahmed Gomaa4,5
1Information Systems Department, Faculty of Computers and Informatics, Suez Canal University, Ismailia, 41522, Egypt.
Scientific reports
|May 20, 2025
概括
这项研究引入了一个深度学习框架,用于使用变压器模型实时检测驾驶员的昏昏欲睡,达到99%以上的准确性. 该系统通过可靠地识别昏昏欲睡并及时触发警报来提高道路安全.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 司机昏昏欲睡是道路交通事故的主要原因之一,导致严重的社会和经济损失.
- 现有的嗜睡检测方法在现实条件下往往缺乏准确性和稳定性.
研究的目的:
- 开发一种新的,强大的深度学习框架,用于实时检测司机的昏昏欲睡.
- 利用最先进的变压器架构并转移学习以提高准确性和可靠性.
主要方法:
- 利用先进的数据预处理:图像规范化,增强和Haar Cascade来选择感兴趣的区域.
- 评估了视觉变压器 (ViT),Swin变压器以及各种转移学习模型 (VGG19,DenseNet169,ResNet50V2等). 在MRL眼睛数据集上.
- 集成的类激活映射 (CAM) 用于模型解释性和实时的昏昏欲睡得分与警报.
主要成果:
- 视觉变压器 (ViT) 和Swin变压器实现了高准确率,分别为99.15%和99.03%.
- 变压器模型在精度,回忆和F1分数方面表现优于其他评估模型.
- 该系统在各种数据集 (NTHU-DDD,CEW) 和具有挑战性的条件 (照明,眼镜) 中表现出强度.
结论:
- 基于变压器的深度学习架构为驾驶员昏昏欲睡的检测提供了重大进步.
- 拟议的无接触系统为提高道路安全提供了可靠和高效的解决方案.
- 该框架显示了在先进的驾驶辅助系统中广泛采用的潜力.
