DOI：10.3969/j.issn.1672-3872.2026.08.032
基金项目：江西省教育厅科学技术研究项目“基于多任务卷积神经网络的疲劳驾驶检测系统的研究”（GJJ2406910）
作 者：王 娟（江西机电职业技术学院，江西 南昌 330013）
摘 要：【目的】解决传统疲劳驾驶检测方法存在的单一特征易受干扰、环境场景鲁棒性较差以及检测速度慢等问题。【方法】基于驾驶员面部图像，提出了一种基于多任务卷积神经网络的疲劳驾驶检测系统，可以对驾驶员人脸关键点坐标、眼部状态、头部姿态等信息进行多模态数据处理，并以多维度疲劳特征融合模型为基础建立疲劳判断模型。通过构建包含12 000张不同光照条件、天气、场景下的驾驶员面部图片数据集，在平台上对该系统进行了测试。【结果】该系统疲劳识别准确率为94.8%，误检率为2.9%，帧率为27 fps，满足实际驾驶环境需求。【结论】该系统通过监测、预警等手段，能够实时识别驾驶员疲劳状态，及时提醒危险驾驶行为，从而降低因疲劳导致交通事故的风险，可以为车辆主动安全系统提供一定的辅助支持。
关键词：多任务卷积神经网络；疲劳驾驶检测；特征融合；注意力机制；模型轻量化；实时监测
引文信息：[1]王娟.基于多任务卷积神经网络的疲劳驾驶检测系统设计[J].南方农机，2026，57(8)：123-126.
查看全文请下载PDF文件↓
