计算机工程

作者：娄平, 杨欣, 胡辑伟, 萧筝, 严俊伟

单位：1. 武汉理工大学 信息工程学院, 武汉 430070;2. 宽带无线通信和传感器网络湖北省重点实验室, 武汉 430070;3. 武汉理工大学 机电工程学院, 武汉 430070

关键词：疲劳驾驶检测,边缘计算,多任务卷积神经网络,轻量化,AlexNet结构

基金：国家自然科学基金面上项目（52075404）；国家自然科学基金青年项目（51905397）；武汉市科技局应用基础前沿专项（2020010601012176）。

现有疲劳驾驶检测方法通常将驾驶过程中采集的数据传输至云端进行分析，然而在车辆移动过程中网络覆盖范围、响应速度等因素会造成检测实时性差。为在车载嵌入式设备上对驾驶人疲劳状态进行准确预警，提出一种基于边缘计算的疲劳驾驶检测方法。通过改进的多任务卷积神经网络确定人脸区域，根据人脸的面部比例关系定位驾驶人的眼部与嘴部区域，利用基于Ghost模块的轻量化AlexNet分类检测眼部与嘴部的开闭状态，并结合PERCLOS和PMOT指标值实现疲劳检测。在NHTU-DDD数据集上的实验结果表明，该方法在树莓派4B开发板上的检测准确率达到93.5%且单帧平均检测时间为180 ms，在保障检测准确率的同时大幅降低了计算量，能较好地满足疲劳驾驶的实时检测需求。

来源：2021年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第7期