科创中国
一种基于YOLOv5的疲劳状态检测方法
发布时间: 2022-12-09
来源: 科技服务团
基本信息
合作方式：
技术服务
成果类型：
新技术
行业领域：
新一代信息技术产业
成果介绍
本发明公开了一种基于YOLOv5的疲劳状态检测方法，该方法首先采用了Mosaic数据增强方法对原始图像进行增强，再采用注意力机制为后续的特征提取保留更完整的采样信息，最后通过对损失函数进行改进，能够更好的区分检测框和真实框之间的位置关系。现有的疲劳驾驶检测方法大多只采用了单一信号以判断驾驶员疲劳状态，实际行车过程中的信号采集容易受到各种因素干扰
成果亮点
有时采集到的数据不够准确，由于判别依据单一，训练出的模型鲁棒性较差，容易发生误报等情况，反而影响驾驶员的行车安全。本发明利用YOLOv5m网络模型对驾驶员疲劳状态检测。经过验证，本发明在驾驶员疲劳检测中良好的兼顾了精度和速度，证明此方法具有实用性
团队介绍
黑龙江大学（Heilongjiang University），位于黑龙江省哈尔滨市，是黑龙江省人民政府和中华人民共和国教育部、国家国防科技工业局共建的省属综合性大学，黑龙江省“双一流”建设国内一流大学A类高校，入选国家卓越法律人才教育培养计划、中西部高校基础能力建设工程、特色重点学科项目、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、全国深化创新创业教育改革示范高校、教育部来华留学示范基地，是世界翻译教育联盟、中俄新闻教育高校联盟、中俄综合性大学联盟、上海合作组织大学、“一带一路”智库合作联盟成员单位
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2022-12-17
宋要武
东北石油大学
大学教授
综合评价
本发明涉及计算机视觉技术领域，特别涉及一种基于YOLO神经网络的驾驶员疲劳检测方法，包括如下步骤：制作眨眼图片训练数据集；将所述数据集中的眨眼图片使用roboflow对图片进行标注；基于所述数据集，利用YOLOv5算法建立训练模型；将标注后的眨眼图片输入到训练模型中对模型进行训练；在训练模型成熟之后，基于所述训练模型建立判别模型；将判别模型接入驾驶室的监控摄像头进行实时监测和预警。对于驾驶员疲劳的识别效果较好，有效地减少事故发生。
查看更多>
微信公众号
下载app
Copyright © 2022 中国科学技术协会 版权所有 | 京ICP备16016202号-20
京公网安备 11010202008974号