44、基于CNN和ESP32 CAM的驾驶员困倦检测系统

基于CNN和ESP32 CAM的驾驶员困倦检测系统

1. 引言

睡眠不足时驾驶是导致汽车事故的主要原因之一。相关报告显示，2014年有846起事故是由疲劳驾驶引起的，在过去十年中这一数字基本保持稳定。2005 - 2009年期间，每年估计有83,000起撞车事故归因于困倦驾驶，这凸显了为驾驶员配备内置困倦探测器的风险警报系统的必要性。

警报系统有两个功能：一是唤醒困倦的驾驶员，二是将汽车控制权交给自动驾驶系统或备用驾驶员。目前检测驾驶员困倦的方法主要分为两类：
- 第一类方法通过监测方向盘的运动来解决问题，可利用车道偏离、加速或制动的时间序列等技术来确定疲劳程度，但这类方法受特定驾驶情况限制。
- 第二类方法基于生物电信号，如脑电图（EEG）、心电图（ECG）和眼电图（EOG），然而这类方法需要驾驶员佩戴不舒服的信号传感设备。

因此，基于计算机视觉的驾驶员监测方法越来越受欢迎。本文提出了一种结合深度学习和计算机视觉的方法，通过面部表情、头部运动、打鼾周期和闭眼等特征来识别驾驶员疲劳，并将疲劳分为正常、打哈欠和困倦三类。该模型适用于日常汽车使用，具有低功耗、可快速部署的特点。

2. 文献综述

• 基于驾驶模式的检测方法 ：可以通过分析方向盘运动、车道偏离或横向位置来确定驾驶员的驾驶风格。Krajweski等人利用微调与疲劳之间的相关性，在检测困倦方面达到了86%的准确率。车道位置偏差方法通过跟踪汽车相对于车道的位置并评估偏差来检测疲劳，但这类方法严重依赖驾驶员的技能、道路状况和车辆特征。
• 基于生理传感器数据的检测方法