摘要
本发明公开了基于多模态数据融合的行车记录仪疲劳驾驶检测与提醒方法,包括如下步骤:S1、车载摄像头采集面部图像并预处理,进行人脸检测和区域定位;S2、采用动态图像分块技术,动态调整图像块大小和位置;S3、利用视觉变换器进行面部图像特征提取;S4、获取车辆多模态数据并与面部特征融合;S5、通过狼群优化算法,优化视觉变换器网络结构和训练超参数;S6、基于优化后的视觉变换器进行疲劳状态分析;S7、检测到疲劳状态时,通过声光报警提醒驾驶员休息。本发明通过多模态数据融合和优化的深度学习算法,提供了一种高精度、高实时性的行车记录仪疲劳驾驶检测与提醒方法,有效提高了疲劳驾驶的识别准确性和系统的鲁棒性。
技术关键词
疲劳驾驶检测
多模态数据融合
疲劳特征
行车记录仪
提醒方法
狼群优化
变换器
疲劳驾驶判断
面部关键点
图像块
面部特征
因子
图像分块技术
超参数
声光报警方式
注意力机制
视觉
驾驶员面部
系统为您推荐了相关专利信息
二维图像数据
数据融合方法
LSTM模型
多层卷积网络
空间分布特征
表面图像数据
多模态数据融合
非线性映射关系
数学模型
现实技术
三维点云配准方法
桥梁病害检测
关键点
语义特征
金字塔
抓取方法
多模态数据融合
页面结构
LSTM神经网络
生命周期模型