基于改进YOLOv7的疲劳驾驶检测算法研究

疲劳驾驶是一种常见的危险驾驶行为,准确检测驾驶员是否处于疲劳驾驶状态对于道路安全至关重要。提出一种基于YOLOv7的疲劳驾驶检测算法,该方法使用改进的YOLOv7模型识别驾驶员的眼部、嘴部疲劳状态,再通过计算眼睑纵横比(Eye Aspect Ratio,EAR)、嘴巴纵横比(Mouth Aspect Ratio,MAR)、头部3个欧拉角来判别驾驶员是否疲劳驾驶。实验结果表明,使用MobileOne轻量化的网络作为主干网络,使模型检测速度达到每秒71帧,在Neck部分引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)和Focal EIoU Loss损失函数,在基本不影响速度的情况下使检测精度达到95.35%。本方法在公开数据集NTHU-DDD上取得了较好的疲劳检测效果,可应用于实际场景中的实时安全监测。