文档解析
本文提出了一种基于深度学习模型的疲劳驾驶行为识别算法，旨在降低道路交通事故发生率。研究中采用了照度增强和反射分量均衡化的方法来提高视频图像质量，并利用机器视觉工具箱软件提取疲劳驾驶人脸行为特征。通过双流网络构建和训练深度学习模型，实现了对疲劳驾驶行为的识别。实验选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像作为测试目标。结果显示，该算法在测试1000张疲劳驾驶行为图像时，识别时间为89ms，精准度为97.6%，召回率为97.0%，算力需求（FLOPS）不超过88。因此，该算法能够提高疲劳驾驶行为的识别精度，有助于降低道路交通事故的发生率。研究还涉及了疲劳驾驶行为视频图像增强、疲劳驾驶行为特征提取和疲劳驾驶行为识别模型的构建，通过实验验证了所提方法的有效性。
京公网安备 11010802033920号
Copyright © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved
评论