基于改进EfficientDet网络的疲劳驾驶状态检测方法

摘要

为提高对司机疲劳驾驶状态视觉检测的精度和效率,降低硬件配置需求,提出了一种基于改进的EfficientDet深度学习网络的疲劳驾驶状态视觉检测方法。用深度可分离卷积和视觉注意力机制,来构建EfficientDet驾驶员面部图像特征提取网络;用双向特征金字塔网络和k-means先验框聚类方法,来构建EfficientDet驾驶员状态检测网络;采用Perclos瞌睡程度度量指数,来判定驾驶员疲劳状态;对比分析了3种不同深度、不同宽度、不同分辨率大小的改进EfficientDet模型以及YOLO V3、Faster-RCNN模型检测效果。结果表明:在这些方案中,EfficientDet-D2模型检测效果最佳,其平均精度97.92%,召回率96.75%,误检率低于2.39%,漏检率低于1.78%。