基于自适应阈值优化的疲劳状态评估系统研究

赵荷; 门高夫; 柳旭

doi:10.13741/j.cnki.11-1879/o4.2025.03.016

您当前的位置：

首页 >

文章列表页 >

基于自适应阈值优化的疲劳状态评估系统研究

光学传感与测量 | 更新时间：2025-09-01

- 基于自适应阈值优化的疲劳状态评估系统研究
- Fatigue state evaluation system based on adaptive threshold optimization
- 光学技术 2025年51卷第3期页码：345-351
- 作者机构：
  
  1:河北工程大学数理科学与工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2025.03.016
  中图分类号： U463.6;U492.8;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
赵荷, 门高夫, 柳旭. 基于自适应阈值优化的疲劳状态评估系统研究[J]. 光学技术, 2025,51(3):345-351.

Fatigue state evaluation system based on adaptive threshold optimization[J]. 2025, 51(3): 345-351.
赵荷, 门高夫, 柳旭. 基于自适应阈值优化的疲劳状态评估系统研究[J]. 光学技术, 2025,51(3):345-351. DOI： 10.13741/j.cnki.11-1879/o4.2025.03.016.

Fatigue state evaluation system based on adaptive threshold optimization[J]. 2025, 51(3): 345-351. DOI： 10.13741/j.cnki.11-1879/o4.2025.03.016.

摘要

现有疲劳驾驶检测模型存在评价标准单一、适应性不足、算力要求高，以及在夜间照明不足的情况下性能受限的问题。提出了基于自适应阈值优化的疲劳状态评估系统。系统在光照不足的环境下，利用线偏振照明技术提升图像质量，并结合YOLO-GM模型，对有遮挡情况采用边界约束优化眼嘴ROI筛选和识别，提高了特征识别的准确率；构建了基于多特征融合疲劳状态评估模型，提出了基于二分类决策树优化的自适应疲劳阈值评判方法，自适应调整疲劳评价阈值，提高了疲劳评估分类准确度；在YawDD和自建数据集上的实验表明，模型相较于原模型减少3.95MB

特征识别准确率达到95.08%

疲劳状态评估准确率达95%

平均每帧处理时间为88.5ms。由于该系统适用于夜间光照不足的情况，具备较高的实时性且对驾驶员个体差异的适应性强，可集成至车载等低算力平台。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于可微收缩函数与自适应阈值的小波去噪

基于自适应直方图均衡化耦合拉普拉斯变换的红外图像增强算法

遗传算法结合自适应阈值约束的ICP算法

移动机器人目标识别算法

图像动态识别在瞄准设备读数和检定中的应用