基于YOLOV8+CNN的驾驶员专注度识别
Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v3i1.11867
Abstract
在自动驾驶领域,驾驶员专注度识别是提升道路安全的关键。为此,本研究提出了一种基于YOLOv8和卷积神经网络(CNN)的混合模型,用于实时检测驾驶员的专注状态。首先,利用YOLOv8对驾驶员面部进行精准定位和特征提取。随后,CNN对提取的面部图像进行分析,评估驾驶员专注度,识别面部表情、眼动模式等关键特征。实验结果表明,YOLOv8与CNN结合的模型在准确性和实时性方面优于传统方法,显著提升了检测精度和处理速度。该模型可有效应用于实际驾驶环境中的专注度监测。研究还探讨了模型在不同驾驶条件下的表现,并提出了未来优化方向。
Keywords
YOLOv8；卷积神经网络(CNN)；驾驶员专注度识别
Funding
贵州大学大学生创新创业训练计划项目资助 贵大(省)创字2023(056)号。
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 邬志勇,梁凤梅.基于深度学习的驾驶员疲劳状态实时检测[J].电子设计工程,2023,31(14):11.
[2] 方泊淋.基于深度学习的驾驶员异常行为检测系统的研究与实现[D].哈尔滨理工大学,2023.
[3] 林琪.基于深度学习的分心驾驶行为识别方法研究[D].西安理工大学,2023.
[4] 曹立波,杨洒,艾昌硕.基于深度学习的分心驾驶行为检测方法[J].汽车技术,2023,(06):17.
[5] 齐心宇.基于深度学习的驾驶员疲劳状态和分心行为检测[D].海南大学,2023.
[6] 张闯,朱天军,李学民.基于深度学习和面部多特征融合的驾驶员疲劳检测研究[J].计算机测量与控制,2022,30(12):19.
[7] 王岩.基于深度学习的驾驶员分心驾驶行为识别[D].大连海事大学,2022.
[8] 蒋龙飞.基于深度学习的驾驶员分心行为识别研究[D].杭州电子科技大学,2022.
[9] 贾慧杰.基于计算机视觉和深度学习的疲劳驾驶检测算法研究[D].齐鲁工业大学,2023.
[10] 钱昭焱.基于深度学习的人眼视线检测研究[D].天津职业技术师范大学,2023.
[2] 方泊淋.基于深度学习的驾驶员异常行为检测系统的研究与实现[D].哈尔滨理工大学,2023.
[3] 林琪.基于深度学习的分心驾驶行为识别方法研究[D].西安理工大学,2023.
[4] 曹立波,杨洒,艾昌硕.基于深度学习的分心驾驶行为检测方法[J].汽车技术,2023,(06):17.
[5] 齐心宇.基于深度学习的驾驶员疲劳状态和分心行为检测[D].海南大学,2023.
[6] 张闯,朱天军,李学民.基于深度学习和面部多特征融合的驾驶员疲劳检测研究[J].计算机测量与控制,2022,30(12):19.
[7] 王岩.基于深度学习的驾驶员分心驾驶行为识别[D].大连海事大学,2022.
[8] 蒋龙飞.基于深度学习的驾驶员分心行为识别研究[D].杭州电子科技大学,2022.
[9] 贾慧杰.基于计算机视觉和深度学习的疲劳驾驶检测算法研究[D].齐鲁工业大学,2023.
[10] 钱昭焱.基于深度学习的人眼视线检测研究[D].天津职业技术师范大学,2023.
Copyright © 2025 周家顺
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
