公开(公告)号：CN118230296A

公开(公告)日：2024-06-21

申请号：CN202410324420.9

申请日：2024-03-21

Applicant: 无锡学院

Inventor： 李富 ,  徐凯 ,  郑博昊 ,  曹燚 ,  张丽娟 ,  李东明 ,  吴昊 ,  徐阳

IPC: G06V20/59 ,  B60W40/08 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种轻量化的疲劳驾驶检测跟踪方法，获取待识别的驾驶员图像；将待识别的驾驶员图像输入预先构建的YOLOv5s网络模型，获得人脸特征目标框；利用Deepsort算法对人脸特征目标框进行连续目标跟踪优化，获得标签信息；基于标签信息、驾驶员的连续闭眼帧数、驾驶员的连续打哈欠帧数和计算获得的PERCLOS分数，判定获得包括疲劳驾驶状态和正常驾驶状态的驾驶员驾驶状态。本模型能够降低检测过程中驾驶员面部信息丢失发生的概率问题，并且在保持高精度的同时显著降低了模型大小。

公开(公告)号：CN119418310A

公开(公告)日：2025-02-11

申请号：CN202411433910.9

申请日：2024-10-15

Applicant: 无锡学院

Inventor： 李富 ,  顾晟昊 ,  王泉 ,  陈德基 ,  徐凯 ,  徐震钧 ,  魏科宇 ,  戴闯

IPC: G06V20/59 ,  G06V10/82 ,  G06V10/44 ,  G06V10/771 ,  G06V10/776 ,  G06V10/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06V40/10 ,  G06V40/16 ,  G06V40/20

Abstract: 一种轻量化的分心驾驶检测方法。涉及智能交通系统和自动驾驶辅助系统的安全检测领域，具体涉及基于深度学习的分心驾驶行为检测技术领域。其解决了现有的检测方法计算资源较多无法进行轻量化应用以及容易出现检测不准确的问题。所述方法包括如下步骤：S1、数据采集与划分：收集分心驾驶行为图像，划分为训练集、验证集与测试集；S2、分心驾驶检测模型构建，采用分层改进机制对在现有的YOLOv8s模型框架下进行改进。S3、分心驾驶检测模型训练：通过训练集和验证集对分心驾驶检测模型进行训练，通过测试集对训练结果进行测试，得到能够进行应用的分心驾驶检测模型；S4、采用够进行应用的分心驾驶检测模型对驾驶行为进行检测。

公开(公告)号：CN118230296B

公开(公告)日：2024-11-05

申请号：CN202410324420.9

申请日：2024-03-21

Applicant: 无锡学院

Inventor： 李富 ,  徐凯 ,  郑博昊 ,  曹燚 ,  张丽娟 ,  李东明 ,  吴昊 ,  徐阳

IPC: G06V20/59 ,  B60W40/08 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种轻量化的疲劳驾驶检测跟踪方法，获取待识别的驾驶员图像；将待识别的驾驶员图像输入预先构建的YOLOv5s网络模型，获得人脸特征目标框；利用Deepsort算法对人脸特征目标框进行连续目标跟踪优化，获得标签信息；基于标签信息、驾驶员的连续闭眼帧数、驾驶员的连续打哈欠帧数和计算获得的PERCLOS分数，判定获得包括疲劳驾驶状态和正常驾驶状态的驾驶员驾驶状态。本模型能够降低检测过程中驾驶员面部信息丢失发生的概率问题，并且在保持高精度的同时显著降低了模型大小。