在复杂的驾驶环境中通过双眼深度补偿和多源时间双向长短时间内存网络实时检测驾驶员注意力
Shuhui Zhou1, Wei Zhang2, Yulong Liu1
1CGNPC Uranium Resources Co., Ltd., Beijing 100084, China.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项研究引入了使用双眼视觉和AI的实时驾驶员注意力识别系统 (RT-DASR). 它实现了高精度和低延迟,提高了驾驶员的安全性,特别是在采矿车辆中.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 汽车安全 汽车安全
背景情况:
- 司机的分心是交通事故的主要原因之一.
- 目前基于视觉的驾驶员注意力系统缺乏准确性或实时性能.
研究的目的:
- 开发实时驾驶员注意力状态识别方法 (RT-DASR).
- 提高驾驶员注意力监控的准确性和实时性能.
主要方法:
- 双眼镜视觉深度补偿头部姿势估计 (BV-DHPE) 使用双眼镜摄像头和YOLO11n姿势.
- 多源时间双向长期短期记忆 (MSTBi-LSTM) 用于融合头部姿势,车辆速度和目光语义.
- 利用双眼差距进行深度补偿,以提高姿势估计的准确性.
主要成果:
- 与单眼方法相比,BV-DHPE减少了44.7%的平均绝对误差 (MAE).
- 在NVIDIA Jetson Orin.上,RT-DASR实现了90.4%的注意力识别准确度,延迟时间为21.5毫秒.
- 该系统在具有挑战性的条件下表现出有效性,例如照明变化和遮蔽.
结论:
- RT-DASR为驾驶员注意力识别提供了高精度,低延迟的解决方案.
- 该方法提高了安全性,特别是对于采矿车辆驾驶员来说.
- RT-DASR适合集成到先进的驾驶辅助系统中,以防止事故发生.


