面向车辆动力学驱动的驾驶员嗜睡检测：轻量级方法的比较研究
机器学习
2025-06-10 v1
摘要
驾驶员嗜睡检测（DDD）可防止因驾驶员疲劳导致的交通事故。车辆动力学驱动的DDD方法被提出作为一种经济且性能优异的方法。然而，许多现有方法的性能指标可靠性和可重复性存疑。例如，一些以前的研究似乎在训练和测试数据集之间存在数据泄漏问题，而许多方法则不公开提供所使用的数据集。为此，本文旨在在透明且公平的框架下，使用公开数据集比较代表性车辆动力学驱动的DDD方法的性能。我们首先开发了一个从Aygun等人提供的开放数据集中提取特征并进行DDD的轻量级机器学习模型框架；该框架仔细设计以支持各种配置。其次，我们在该框架中实现了三个现有的代表性方法以及一种简洁的基于随机森林（RF）的方法。最后，我们报告实验结果以验证可重复性并阐明基于常见指标的DDD性能。经过评估的方法中，基于RF的方法实现了最高的88%准确率。我们的发现表明，开发非标准方法的DDD方法固有的缺陷问题，以及以恰当方式实现的高性能方法。
引用
@article{arxiv.2506.07014,
title = {Comparison of Lightweight Methods for Vehicle Dynamics-Based Driver Drowsiness Detection},
author = {Yutaro Nakagama and Daisuke Ishii and Kazuki Yoshizoe},
journal= {arXiv preprint arXiv:2506.07014},
year = {2025}
}
备注
8 pages, 3 figures, to be published at IV 2025