基于轻量级双模态SSD算法的疲劳驾驶检测

摘要

本文针对驾驶人疲劳驾驶检测模型实时性不足、以及在复杂光照场景下检测效果较差的问题,提出了一种改进的轻量级SSD双模态疲劳驾驶检测算法。该算法用MobileNet替换SSD的主干特征提取网络VGG16以使得模型轻量化。在模型的浅层特征上加入轻量级注意力机制网络SENet提升模型对小目标的检测精度。利用软注意力机制融合可见光图像和红外图像两种模态的特征提升模型在复杂光照环境下的表现。使用空洞-深度可分离卷积替换浅层的标准卷积,以弥补下采样导致的精度的损失。最后在检测出的人脸上根据PERCLOS准则进行疲劳驾驶判定。实验结果表明,该算法在复杂光照环境下具有良好的鲁棒性,同时能够在保证疲劳驾驶检测精度不下降的前提下大量减少模型参数量,进一步满足疲劳检测实时性的要求。