针对疲劳驾驶检测问题,提出了一种改进YOLOv5模型的人脸疲劳检测方法。首先,对YOLOv5模型增加检测层和添加CA注意力机制的改进,用于检测驾驶员的面部区域。其次,使用Dlib库中的级联回归算法实现人脸部68个特征点的标定和眼部、嘴部的定...针对疲劳驾驶检测问题,提出了一种改进YOLOv5模型的人脸疲劳检测方法。首先,对YOLOv5模型增加检测层和添加CA注意力机制的改进,用于检测驾驶员的面部区域。其次,使用Dlib库中的级联回归算法实现人脸部68个特征点的标定和眼部、嘴部的定位。最后,计算驾驶员眼部(EAR)和嘴部(MAR)的纵横比,依据眼睑闭合程度百分比(Percentage of Eyelid Closure Over the Pupil Over Time,PERCLOS)法则进行疲劳判定并进行预警处理。实验结果表明,改进后的YOLOv5算法的平均准确率达到92.5%,能够满足人脸疲劳检测对精度和速度的综合要求。展开更多
文摘针对疲劳驾驶检测问题,提出了一种改进YOLOv5模型的人脸疲劳检测方法。首先,对YOLOv5模型增加检测层和添加CA注意力机制的改进,用于检测驾驶员的面部区域。其次,使用Dlib库中的级联回归算法实现人脸部68个特征点的标定和眼部、嘴部的定位。最后,计算驾驶员眼部(EAR)和嘴部(MAR)的纵横比,依据眼睑闭合程度百分比(Percentage of Eyelid Closure Over the Pupil Over Time,PERCLOS)法则进行疲劳判定并进行预警处理。实验结果表明,改进后的YOLOv5算法的平均准确率达到92.5%,能够满足人脸疲劳检测对精度和速度的综合要求。
