【技术实现步骤摘要】
本专利技术涉及疲劳驾驶检测，尤其是一种轻量化yolov8-pose的疲劳驾驶检测方法。
技术介绍
1、近年来，随着社会经济的发展，人民的生活水平逐渐提高，汽车的人均持有量日渐增多，但是伴随着汽车数量和公路里程的快速增长，交通事故也呈现出一定程度的增长，其中约18％的交通事故是由于驾驶员身心疲劳导致的。据调查研究发现，如果在驾驶员产生疲劳状态时，能给予一定的提醒和警告，90％的类似交通事故可以避免。因此，研究一种高效的疲劳驾驶检测方法对于交通安全具有重要的意义。
2、目前，疲劳驾驶检测的研究主要分为接触式检测和非接触式检测，接触式检测是通过佩戴传感器来获取驾驶员的生理信息并进行研究，一般根据脑电信号和心电信号去评估驾驶员的疲劳程度，虽然识别度高，但需要佩戴复杂的硬件设备，因此难以普及应用。非接触式主要采用两种方法，第一种是基于车辆轨迹进行疲劳驾驶检测，虽然不需要直接接触驾驶员，但是容易受到路况和天气的影响，准确率较低。第二种是使用图像采集设备对驾驶员的面部进行信息采集，通过计算机判定驾驶员的疲劳状态。相比于生理信号采集设备和车...
【技术保护点】
1.一种轻量化YOLOv8-pose的疲劳驾驶检测方法，其特征在于：所述方法以采集的多姿态、多视角人脸数据集来构建轻量化YOLOv8-pose模型，并在模型主干网络中引入Ghost卷积来减少模型参数量和不必要的卷积计算，通过引入Slim-neck融合模型主干网络提取的不同尺寸特征来加速网络预测计算，在模型Neck部分添加遮挡感知注意力模块SEAM来强调图像中的人脸区域并弱化背景，以改善关键点定位效果，同时在模型的检测头部分采用GNSC-Head结构，其使用共享卷积来将卷积的BN层优化成更稳定的GN层，以节省模型的参数空间和计算资源；所述方法通过构建疲劳决策模型并对模型...
【技术特征摘要】
1.一种轻量化yolov8-pose的疲劳驾驶检测方法，其特征在于：所述方法以采集的多姿态、多视角人脸数据集来构建轻量化yolov8-pose模型，并在模型主干网络中引入ghost卷积来减少模型参数量和不必要的卷积计算，通过引入slim-neck融合模型主干网络提取的不同尺寸特征来加速网络预测计算，在模型neck部分添加遮挡感知注意力模块seam来强调图像中的人脸区域并弱化背景，以改善关键点定位效果，同时在模型的检测头部分采用gnsc-head结构，其使用共享卷积来将卷积的bn层优化成更稳定的gn层，以节省模型的参数空间和计算资源；所述方法通过构建疲劳决策模型并对模型的输出结果进行评估，以判断驾驶员是否处于疲劳状态。
2.根据权利要求1所述的一种轻量化yolov8-pose的疲劳驾驶检测方法，其特征在于：所述方法包括以下步骤；
3.根据权利要求2所述的一种轻量化yolov8-pose的疲劳驾驶检测方法，其特征在于：步骤s1中，引入aflw数据集作为包含多姿态、多视角的大规模人脸数据集使用，若该数据集内闭眼的图片数量低至不满足需求，则引入cew闭眼数据集作为补充，当上述数据集内的标注文件的格式并非yolo模型的标注格式时，对其标注文件进行转换，方法是使用python对数据进行处理，生成对应的yolo标注文件，步骤s1中，对上述数据集以6：2：2的比例进行随机抽样，划分为训练集、验证集和测试集。
4.根据权利要求2所述的一种轻量化yolov8-pose的疲劳驾驶检测方法，其特征在于：在步骤s2中，轻量化的yolov8-pose在主干网络部分，引入轻量级卷积ghostconv，以使用廉价的线性变换，低代价地生成大量能从原始特征发掘所需信息的ghost特征图，以减少模型的参数量和计算量；
5.根据权利要求4所述的一种轻量化yolov8-pose的疲劳驾驶检测方法，其特征在于：在步骤s2中，轻量化的yolov8-pose使用slim-neck网络结构作为增强特征...
【专利技术属性】
技术研发人员：林志贤，蔡忠祺，林珊玲，林坚普，吕珊红，师欣雨，刘珂，张建豪，赖芳伟，
申请(专利权)人：福州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。