一种轻量化YOLOv8-pose的疲劳驾驶检测方法

本发明提出一种轻量化YOLOv8‑pose的疲劳驾驶检测方法，所述方法以采集的多姿态、多视角人脸数据集来构建轻量化YOLOv8‑pose模型，并在模型主干网络中引入Ghost卷积来减少模型参数量和不必要的卷积计算，通过引入Slim‑neck融合模型主干网络提取的不同尺寸特征来加速网络预测计算，在模型Neck部分添加遮挡感知注意力模块SEAM来强调图像中的人脸区域并弱化背景，以改善关键点定位效果，同时在模型的检测头部分采用GNSC‑Head结构，其使用共享卷积来将卷积的BN层优化成更稳定的GN层，以节省模型的参数空间和计算资源；所述方法通过构建疲劳决策模型并对模型的输出结果进行评估，以判断驾驶员是否处于疲劳状态；本发明的该方法有利于降低计算复杂度，并提高疲劳检测精度。