基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法和系统技术方案

本发明专利技术公开了一种基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法和系统，方法包括用于降低数据冗余提高预算效率的数据预处理方式，提取驾驶员局部与全局面部特征的CNN与Transformer双分支特征提取结构，以及用于增强模型特征表征能力的双向特征融合模块，提出了用于提高模型在源域与目标域之间自适应能力的分段域适应策略，该策略包括在特征提取阶段采用的对抗域适应和多核最大均值差异(MK‑MMD)策略，以及在特征融合阶段进一步引入的MK‑MMD和最小类别混淆损失(MCC)域适应。通过这些方法，本发明专利技术解决了异构数据下的模型适应性问题，提升了模型的准确性与鲁棒性，从而显著提高了疲劳驾驶检测的准确率。

【技术实现步骤摘要】

本专利技术涉及计算机视觉与人工智能，具体为一种基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法和系统。

技术介绍

1、疲劳驾驶是引发交通事故的重要原因之一，严重威胁着驾驶员及其他道路使用者的生命安全和财产安全。随着汽车的普及，疲劳驾驶导致的交通事故数量逐年增加，其危害性不亚于酒驾或超速行驶。因此，如何准确识别驾驶员的疲劳状态，并在危险发生前及时发出预警，成为提升道路安全的关键手段。

2、现有的疲劳驾驶检测方法主要分为三类：基于生理信号的检测、基于车辆信息的检测和基于计算机视觉的检测。基于生理信号的方法通过采集驾驶员的脑电波、眼电图等生理数据来评估其精神状态和疲劳程度，虽然准确度高，但设备成本高且可能干扰驾驶。基于车辆信息的方法通过车辆传感器收集行驶数据，如转向角度、刹车力度等，来分析驾驶员的疲劳状态，但受个体差异影响较大，准确性相对较低。基于计算机视觉的方法则通过车内摄像头采集驾驶员的图像，利用机器学习或深度学习技术分析面部特征和身体姿态，从而检测驾驶员的疲劳状态。这种方法因其非接触性和较高的准确性，近年来得到了广泛关注。

3、本文档来自技高网...

【技术保护点】

1.一种基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，步骤S2中，CNN分支网络采用了ResNeXt与Bottlenext结合的架构，Transform分支网络采用Swin Transformer与Bottlenext结合的架构。

3.根据权利要求1所述的基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，步骤S5中，双向特征融合模块BFM的融合过程可表示为：

4.根据权利要求1所述的基于双分支融合与分段域适应迁移...

【技术特征摘要】

1.一种基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，步骤s2中，cnn分支网络采用了resnext与bottlenext结合的架构，transform分支网络采用swin transformer与bottlenext结合的架构。

3.根据权利要求1所述的基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，步骤s5中，双向特征融合模块bfm的融合过程可表示为：

4.根据权利要求1所述的基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，步骤s1中，构建目标域数据集包括采用关键帧提取算法剔除冗余帧。

5.根据权利要求4所述的基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法，其特征在于，关键帧提取过程为：

6.根据权利要求1所述的基于双分支融合与分段域适应...

【专利技术属性】
技术研发人员：丁飞，李泽群，刘澄玉，李建清，王秉坤，李浩源，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：