一种基于深度学习的非接触式酒驾检测方法

本发明涉及酒驾检测技术领域，公开了一种基于深度学习的非接触式酒驾检测方法，通过多光谱摄像头采集连续视频流数据，经帧间对齐、噪声抑制后提取面部区域图像序列，再利用时空卷积神经网络、时间序列分解算法等进行特征提取与融合，最后经级联式深度学习分类器及动态阈值分割算法得出酒驾检测结果。系统包括数据采集、预处理、特征提取、分类决策和模型优化模块。该发明实现非接触式检测，避免交叉感染风险，提升检测便捷性。其采用的多种先进算法能精准提取与酒精代谢相关的特征，优化模型性能，提高检测精度，减少环境因素干扰导致的误判，还具备数据增强、多任务学习和在线增量学习功能，适应不同环境，保障道路交通安全。