多注意力融合疲劳驾驶检测模型
计算机视觉与模式识别
2023-12-29 v1
摘要
疲劳驾驶是交通事故的主要诱因之一，实施驾驶员疲劳驾驶检测系统已被证明能显著减少此类事故的发生。尽管已开发出多种疲劳驾驶检测算法，但许多算法存在特定先决条件，如需要完整的面部图像、最佳光照条件以及使用 RGB 图像。在本研究中，我们提出了一种名为多注意力融合疲劳驾驶检测模型（MAF）的新方法。MAF 旨在显著提升分类性能，特别是在涉及部分面部遮挡和低光照条件的场景中。它通过利用多注意力融合提供的局部特征提取能力，从而增强算法的整体鲁棒性。为了增强我们的数据集，我们收集了包含夜间和日间光照条件下拍摄的遮挡与未遮挡面部的真实世界数据。我们使用公开数据集和自建数据进行了全面的系列实验。实验结果表明，我们提出的模型实现了令人印象深刻的 96.8% 驾驶员疲劳检测准确率。
引用
@article{arxiv.2312.17052,
title = {Multi-Attention Fusion Drowsy Driving Detection Model},
author = {Shulei QU and Zhenguo Gao and Xiaoxiao Wu and Yuanyuan Qiu},
journal= {arXiv preprint arXiv:2312.17052},
year = {2023}
}
备注
8 pages, 6 figures