摘要
本发明公开了一种基于多模态特征融合的疲劳驾驶检测方法及系统,该方法通过DROZY数据集作为实施例,对该发明方法进行说明。通过对数据集进行预处理,提取出时间上一一对应的图像数据与PSG时序数据,图像与时序数据供后续系统输入使用。对两种模态数据提取浅、中、深层网络的特征信息。得到两种模态的3个特征块维数调整一致后,通过残差卷积注意力模块优化特征信息。再经过权重计算方法得到单模态数据不同层的权重信息,再由权重信息与原特征块进行多尺度权重融合,得到图像数据与时序数据的特征向量提取结果。两模态的特征向量数据进行融合,由融合特征通过分类器输出分类结果,实现疲劳驾驶检测。
技术关键词
疲劳驾驶检测方法
多模态特征融合
疲劳驾驶检测系统
时序
LSTM神经网络
注意力
面部图像数据
权重计算方法
神经网络模型
模块
信号
可读存储介质
处理器
融合特征
系统为您推荐了相关专利信息
导光板
图像纹理复杂度
滑动窗口
缺陷特征提取
图像采集装置
高压电缆接头
仿真模型
更新方法
特征数据库
仿真信号
幅相测量方法
综合射频端口
信号分析仪
芯片
挡位
关键帧
网格特征
多模态特征融合
视频
视觉特征提取