基于深度學習模型的疲勞駕駛行為識別算法

張海民

摘 要： 為降低道路交通事故發生率，提出了一種基于深度學習模型的疲勞駕駛行為識別算法。采用照度增強和反射分量均衡化的方法，以提高視頻圖像質量。將機器視覺工具箱軟件用于提取疲勞駕駛人臉行為特征，并通過雙流網絡構建和訓練深度學習模型，實現對疲勞駕駛行為識別。選擇了不同睡眠時間段參與者在全封閉路段內的駕駛行為圖像，作為實驗測試目標。結果表明：用該算法測試1 000 張疲勞駕駛行為圖像時，識別時間為89 ms，精準度為97.6 %，召回率為97.0 % ；算力需求（每秒所執行的浮點運算次數，FLOPS） ≤ 88 ；該算法能夠提高疲勞駕駛行為的識別精度，有助于降低道路交通事故的發生率。

關鍵詞： 疲勞駕駛；行為識別；深度學習模型；圖像增強；特征提取

中圖分類號： TP 274 文獻標識碼： A DOI： 10.3969/j.issn.1674-8484.2024.01.013