基于多视觉特征融合的非侵入式疲劳驾驶检测方法研究

朱玉伟 潘宇驰 邹刘磊 黄心怡 范洪辉 朱洪锦

摘要：为了解决目前车辆疲劳驾驶检测线索单一、算力要求高、准确率低、侵入式等问题，基于驾驶人员眼部、嘴部、头部等部位特征数据的采集分析，构建了轻量化的神经网络，设计了非侵入式多视觉特征融合疲劳检测方法。通过模拟对比实验和实际场景实验，证明该检测方法具有算力要求低、识别精度高、生产成本低等优点。

关键词：非侵入式;驾驶状态;疲劳检测

中图分类号：TP391.4文献标识码：A文章编号：2095-7394（2021）06-0059-08

疲劳驾驶是造成交通事故的重要原因，因此对驾驶员是否发生疲劳驾驶的检测及预警，就成为提高行车安全的重要手段。目前，针对疲劳驾驶的检测按技术路线可分为，驾驶人员生理信号的读取、车辆行驶轨迹的分析、驾驶人员驾车姿态及操作行为的监测及基于视觉识别机器学习的疲劳检测。这些技术路线又大致可以归纳为两类方法，侵入式检测和非侵入式检测。侵入式检测是指将相关检测仪器与人体产生物理接触，以此收集人体反馈出的疲劳状态指标，并判断是否疲劳[1-2]。非侵入式检测是指通过不与人体接触的传感器来读取被检测人员的精神状态[3-4]。比如，通过摄像机来读取驾驶人员的眼部闭合、面部表情、头部姿态等行为特征[5]，利用模式識别、图像处理、机器视觉、深度神经网络等方法，实现对驾驶人员精神状态的实时检测。

随着计算机视觉领域深度学习技术的不断发展，基于计算机视觉图像处理的人体疲劳检测成为目前主流的研究方向。……