基于使用卷积神经网络的面部近红外图像对年轻驾驶员的昏昏欲睡的分类:一项试点研究
Ayaka Nomura1, Atsushi Yoshida1, Takumi Torii1
1Department of Electrical Engineering and Electronics, Aoyama Gakuin University, Sagamihara 252-5258, Japan.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
近红外成像显示,它有望用于检测昏昏欲睡的驾驶. 这项技术使用面部图像来识别昏昏欲睡,通过比目前的方法更早地检测警觉性下降,潜在地提高了道路安全.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 运输安全运输安全
背景情况:
- 昏昏欲睡的驾驶是全球交通事故的重要原因之一.
- 目前的驾驶员监控系统 (DMS) 依赖于行为线索,在警觉性已经下降后表现出来.
研究的目的:
- 调查面部近红外 (NIR) 成像作为早期昏昏欲睡检测的生理指标.
- 评估使用940nm NIR面部图像用于嗜睡分类的可行性.
主要方法:
- 一项试点研究使用了年轻成年参与者和单NIR面部图像在940nm.
- 训练了一个卷积神经网络 (CNN) 来分类嗜睡水平.
- 梯度加权类激活映射 (Grad-CAM) 用于区域解释.
主要成果:
- 使用940nm NIR图像进行的嗜睡分类在二进制分类中达到约90%的准确性.
- 格拉德-CAM确定鼻腔背部是检测昏昏欲睡的关键区域,与生理征兆保持一致.
结论:
- 940nm的面部NIR成像是一种可行的方法来分类年轻驾驶员的昏昏欲睡.
- 这种方法为驾驶员监控系统和道路安全提供了潜在的进步.
