摘要
本发明公开了多模态特征融合的疲劳驾驶检测方法、系统、装置及介质,方法包括:获取驾驶人员的人脸图像信息,提取得到驾驶人员的眼部特征数据和嘴部特征数据;获取驾驶人员的脑电波信号,提取得到驾驶人员的专注度特征数据和放松度特征数据;获取驾驶人员的方向盘握力信号,提取得到驾驶人员的握力变化特征数据;对眼部特征数据、嘴部特征数据、专注度特征数据、放松度特征数据以及握力变化特征数据进行特征融合,得到多模态特征数据;将多模态特征数据输入到疲劳状态检测模型,得到驾驶人员的疲劳程度检测值,根据疲劳程度检测值判断驾驶人员是否疲劳驾驶。本发明提高了疲劳驾驶检测的准确性以及用户的行车安全性,可应用于车辆监测技术领域。
技术关键词
疲劳驾驶检测方法
多模态特征融合
方向盘握力
疲劳状态检测
嘴部特征
人脸图像信息
数据
深度学习神经网络
信号
样本
疲劳驾驶检测装置
疲劳驾驶检测系统
音乐系统
人脸关键点提取
特征提取模块
告警系统
车辆监测技术
悬挂系统
系统为您推荐了相关专利信息
多模态特征融合
智能问答系统
超导量子干涉装置
运动矢量数据
生成对抗网络架构
两栖机器人
切换方法
防水相机
行走步态
机器人模型
动态切换系统
更新模型参数
场景
特征值
车辆状态数据
环肽
多模态特征融合
分子
深度学习模型
计算机辅助药物设计
训练特征
光伏发电功率预测
强化学习策略
多源时序数据
动态时间规整算法