基于遗传优化算法的疲劳驾驶状态辨识方法

为了准确辨识驾驶人疲劳驾驶状态并提供及时的主动安全预警,提出了一种低成本、高效的基于遗传优化算法的疲劳驾驶状态辨识方法。改进了YOLOv3-tiny网络结构并应用于人脸检测。融合驾驶人眼部、嘴部及头部多特征参数基础上,利用因子分析算法提取原始数据中的主因子,并构建遗传算法(GA)优化广义回归神经网络(GRNN)疲劳驾驶辨识模型。实验结果表明:GA-GRNN模型疲劳驾驶状态检测准确率高达94.2%,召回率为92.5%,精确率为93.2%。本文研究是机器视觉在辅助驾驶系统中的实际应用,可为驾驶人早期疲劳驾驶预警的研究提供理论与技术支持。