来源：期刊VIP网 时间：
作者：赵荷;门高夫;柳旭;
单位：河北工程大学数理科学与工程学院;
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。
关键词：疲劳状态检测;;YOLO-GM;;自适应阈值;;二分类决策树
