基于深度学习模型的疲劳驾驶行为识别算法

为降低道路交通事故发生率，提出了一种基于深度学习模型的疲劳驾驶行为识别算法。采用照度增强和反射分量均衡化的方法，以提高视频图像质量。将机器视觉工具箱软件用于提取疲劳驾驶人脸行为特征，并通过双流网络构建和训练深度学习模型，实现对疲劳驾驶行为识别。选择了不同睡眠时间段参与者在全封闭路段内的驾驶行为图像，作为实验测试目标。结果表明：用该算法测试1 000张疲劳驾驶行为图像时，识别时间为89 ms，精准度为97.6%，召回率为97.0%；算力需求（每秒所执行的浮点运算次数，FLOPS）≤88；该算法能够提高疲劳驾驶行为的识别精度，有助于降低道路交通事故的发生率。