摘要
本申请公开了一种基于多维特征融合的疲劳驾驶监测预警方法,涉及智能交通与安全驾驶领域,该方法利用基于卷积神经网络的特征提取模型对采集到的车辆驾驶员的面部图像进行特征提取得到面部关键点,然后计算眼睛闭合率、嘴巴张开率、头部姿态数据以及面部肌肉数据最终得到多维特征后利用多层感知机进行融合得到融合面部特征,然后利用基于递归神经网络训练得到的疲劳状态检测模型对连续多个采样时刻的面部特征时间序列进行检测从而检测是否出现疲劳驾驶状态并触发报警反馈。该方法通过多维数据融合结合时序分析算法能够更准确的识别和判断驾驶员疲劳状态,提高监测预警准确性和可靠性。即使在光照变化或复杂驾驶环境下,系统也能保持高鲁棒性。
技术关键词
疲劳驾驶监测预警
疲劳驾驶状态
融合面部特征
面部关键点
特征提取模型
疲劳状态检测
图像采集模组
RGB摄像头
眼部关键点
多层感知机
递归神经网络
指数
车辆
数据
红外摄像头
驾驶员疲劳状态
波动特征
系统为您推荐了相关专利信息
轴承故障诊断
注意力机制
深度学习网络
特征提取模型
诊断方法
盘点设备
样本
无线射频识别标签
特征提取模型
盘点方法
水工混凝土结构
特征提取模型
病害识别方法
分类器模型
病害识别系统