基于改进YOLOv5的驾驶员疲劳状态检测

摘要

为了减少因疲劳驾驶而造成的意外交通事故，提出了一种基于改进的YOLOv5网络模型，对驾驶员的疲劳状态进行检测。首先，使用轻量型网络MobileNetV3替换原YOLOv5主干网络；其次，在颈部网络各个C3模块中融入ECA注意力机制；最后，通过检测网络对眼睛的开合度和嘴巴有无打哈的状态进行定位和识别，使用多指标对驾驶员进行疲劳判定，并自建疲劳检测数据集进行实验。结果表明：改进的YOLOv5模型参数量、计算量、体积分别减小至原模型的48%、38%、50%,解决了原模型参数量、计算量、体积过大的问题；mAP值由98.6%提升至99.1%,精确率由95.9%提升至96.8%,检测速率由115 f/s提升至119 f/s,进一步提高了模型的检测精度和检测速度。改进的YOLOv5模型具备轻量化、高精度、高速率的特点，可为疲劳驾驶预警提供参考。

关键词

计算机图像处理 / YOLOv5 / MobileNetV3 / ECA / 轻量化 / 疲劳驾驶

基金资助

河北省自然科学基金(F2018208116)