摘要
针对当前疲劳检测技术在精确评估驾驶员疲劳程度、建立监测指标关联性,以及在处理极端头部运动时面部追踪方面的不足,提出了一种创新的解决方案,该方案依托于MediaPiPe-MeshFace模型,旨在实现更精细的疲劳驾驶识别。该模型通过精准定位面部468个关键点,特别强调了眼睑作为眼部疲劳判断的关键要素,以此捕获更为微妙的疲劳迹象,增强检测准确性。此外,引入欧拉角分析头部的空间姿态变化,提高了在头部快速大幅度移动情况下的稳定追踪能力。通过整合眼睑活动性、口部形态变化以及头部姿态的动态信息,构建了一套多维度面部特征融合的疲劳检测机制。实验验证了该方法不仅能够有效辨识驾驶员的疲劳状态,还成功实现了疲劳级别的划分,并在面对特定挑战如剧烈头部动作时,显著改善了面部疲劳特征的提取效能。
出处
《电脑知识与技术》
2024年第22期14-18,24,共6页
Computer Knowledge and Technology
基金
新疆农业大学2023年度自治区级大学生创新项目(S202310758025)。
