Volume 2,Issue 7
基于边缘计算对驾驶人状态监测系统的优化设计
针对我国道路交通安全中疲劳驾驶引发事故的严峻问题，本文设计了一套基于边缘计算的驾驶人监测优化系统。该系统以头面部特征为核心监测依据，通过改进的 MTCNN模型实现人脸关键点精准定位，结合轻量化 AlexNet模型与Informer框架完成驾驶人状态识别与疲劳检测，并依托 ErgoAI Server边缘服务器实现数据实时处理与预警。实验基于 NTHU-DDD数据集验证，实验验证表明，系统在复杂驾驶环境下仍具备高准确率与快速响应能力，能为驾驶安全提供有力保障，同时为绿色智慧交通发展提供技术支撑。
[1] 李伟，何其昌，范秀敏. 基于汽车操纵信号的驾驶员疲劳状态检测[J]. 上海交通大学学报，2010,44（2）：292-296.
[2] 马世伟，王泽敏，吕宝粮. 基于脑电信号的动车组司机疲劳状态评估技术研究[J]. 铁路节能环保与安全卫生，2021,11（4）：43-49.
[3]胡习之，黄冰瑜．基于面部特征分析的疲劳驾驶检测方法[J]．科学技术与工程，2021,21（4）：1629-1636.
[4]SESHADRI K，JUEFEI-XU F，PAL D K，et al. Driver cell phone usage detection on strategic highway research program (shrp2) face view videos [C]//Computer Vision and Pattern Recognition. Proceedings of the IEEE Conference，California：the Computer Vision Foundation，2015：35-43.
[5]RAHMAN H，AHMED M U，BARUA S， et al. Non-contact-based driver’s cognitive load classification using physiological and vehicular parameters[J].Biomedical Signal Processing and Control，2020，55(10)：1-13.
[6]BAI J, YU W, XIAO Z, et al. Two-Stream Spatial-Temporal Graph Convolutional Networks for Driver Drowsiness Detection[J]. IEEE Transactions on Cybernetics, 2021, 52 (12): 13821-13833.
[7]TAMANANI R, MURESAN R, AL-DWEIK A. Estimation of Driver Vigilance Status Using Real-Time Facial Expression and Deep Learning[J]. IEEE Sensors Letters, 2021, 5(5): 1-4.
[8]CHEN L J，PAPANDREOU G，KOKKINOS I，et al.Semantic image segmentation with deep convolutional nets and fully connected CRFs[C]//Proceedings of the 3rd International Conference on Learning Representations.San Diego，USA：[s. n. ]，2014：1-14.
[9]娄平, 杨欣, 胡辑伟, 等. 基于边缘计算的疲劳驾驶检测方法[J]. 计算机工程, 2021, 47(7): 13-20+29.LOU P, YANG X, HU J W, et al. Fatigue Driving Detection Method Based on Edge Computing[J]. Computer Engineering, 2021, 47(7): 13-20+29.
[10]廖冬杰基于Dlib和变种Transformer的哈欠检测方法[J]. 汽车技术, 2023(3): 42-48.LIAO D J. Yawn Detection Method Based on Dlib and Variant Transformer[J]. Automobile Technology, 2023(3):42-48.
[11]刘强,谢谦,方玺,等. 基于并行短时面部特征的驾驶人疲劳检测方法研究 [J]. 汽车技术, 2024, (05): 15-21. DOI:10.19620/j.cnki.1000-3703.20230617.
[12]WENG C H, LAI Y H, LAI S H. Driver Drowsiness Detection via A Hierarchical Temporal Deep Belief Network[C]// ACCV Workshops. Taipei, China: Springer International Publishing, 2017.