一种基于改进YOLOv5神经网络的疲劳驾驶识别方法技术

本发明专利技术公开了一种基于改进YOLOv5神经网络的疲劳驾驶识别方法，该方法包括获取待识别的图像；利用训练好的疲劳驾驶识别模型，对待识别图像中的驾驶员疲劳状态进行识别，其中，疲劳驾驶识别模型包括人脸和关键点识别模块和疲劳状态识别模块，人脸和关键点识别模块采用改进的YOLOv5神经网络对人脸和脸部关键点进行检测；疲劳状态识别模块根据人脸和关键点识别模块确定的人脸关键点对驾驶员的疲劳状态进行识别，对YOLOv5神经网络的改进包括：利用DCN卷积模块替换YOLOv5神经网络中的CBS卷积模块；在YOLOv5神经网络的主干网络和颈部中引入TA注意力模块；采用Wingloss函数替换YOLOv5神经网络中边界框回归部分的损失函数。本发明专利技术的方法能够提高疲劳驾驶状态的识别准确率。

【技术实现步骤摘要】

本专利技术属于计算机视觉，特别涉及一种基于改进yolov5神经网络的疲劳驾驶识别方法。

技术介绍

1、随着我国经济和社会的快速发展以及旅游业的兴起，山区道路的交通流量显著增加。目前，交通事故仍是主要的生命危险之一。道路安全意识缺乏、酒后驾车以及疲劳驾驶均是交通安全的关键隐患。疲劳驾驶的危害性不容小觑，它能显著减缓驾驶员的反应时间及判断力，从而提高发生事故的可能性。因此，如何有效监测和预防疲劳驾驶成为了交通安全研究领域的重要课题。

2、目前，疲劳驾驶检测方法主要分为接触式和非接触式两种。接触式方法通过测量驾驶员的生理指标，如心率、脑电波等，来判断其疲劳状态。这类方式要求被测人员穿戴各种信息检测传感器，不但会影响被测人员的正常驾驶，而且在山区道路这种特殊环境下的实际应用也非常有限。而非接触式疲劳监测技术侵入性小、不影响驾驶行为。这种方法通常利用车载摄像头对驾驶员的面部表情、眼部动作等进行连续监测。然而，山区道路上常见的低光照环境给人脸检测技术的应用带来了巨大挑战，传统的人脸检测算法在暗光条件下常常无法准确识别驾驶员的面部特征，从而影响疲劳检测的准确本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5神经网络的疲劳驾驶识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进YOLOv5神经网络的疲劳驾驶识别方法，其特征在于，对疲劳驾驶识别模型的训练包括：

3.根据权利要求1所述的一种基于改进YOLOv5神经网络的疲劳驾驶识别方法，其特征在于，DCN卷积模块通过一个卷积层计算卷积核在输入特征图上的采样点的偏移量Δpn，并采用双线性插值来确定经过可变形卷积后的输出特征图。

4.根据权利要求1所述的一种基于改进YOLOv5神经网络的疲劳驾驶识别方法，其特征在于，所述TA注意力模块通过三分支结构实现维度之间的交互，生成...

【技术特征摘要】

1.一种基于改进yolov5神经网络的疲劳驾驶识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进yolov5神经网络的疲劳驾驶识别方法，其特征在于，对疲劳驾驶识别模型的训练包括：

3.根据权利要求1所述的一种基于改进yolov5神经网络的疲劳驾驶识别方法，其特征在于，dcn卷积模块通过一个卷积层计算卷积核在输入特征图上的采样点的偏移量δpn，并采用双线性插值来确定经过可变形卷积后的输出特征图。

4.根据权利要求1所述的一种基于改进yolov5神经网络的疲劳驾驶识别方法，其特征在于，所述ta注意力模块通过三分支结构实现维度之间的交互，生成三个维度的交互结果，即第一输出张量、第二输出张量和第三输出张量，再通过平均方法将所述三个输出张量聚合在一起，得到ta注意力模块的三重注意力输出张量，其中，ta注意力模块包含z-pool层，用以将平均汇集特征和最大汇集特征进行结合，用公式表示为：

5.根据权利要求4所述的一种基于改进yolov5神经网络的疲劳驾驶识别方法，其特征在于...

【专利技术属性】
技术研发人员：李作进，彭大兵，聂玲，蔡俊锋，李明虹，郑路，
申请(专利权)人：重庆科技大学，
类型：发明
国别省市：