基于多模态视觉特征的物流货车司机疲劳驾驶检测数据
DIP2025000009311
温岭市天航物流有限公司
首次登记
3年
2025-06-25 16:58:26
信息传输、软件和信息技术服务业
待交易
2352
按需更新
通过采集驾驶舱内红外与可见光双模态视频数据,结合面部关键点时序分析算法,构建疲劳驾驶检测模型。该数据适用于物流运输、公共交通等领域,可实时监测司机的眼部闭合频率、头部姿态偏移及打哈欠等疲劳特征,解决传统穿戴式设备侵入性强、误报率高的问题。用户可通过该数据实现非接触式疲劳预警,降低因疲劳驾驶导致的事故风险。
本算法基于结构化多模态数据实现疲劳驾驶检测,数据文件按驾驶视频片段编号F-XXX-X层级存储。红外视频文件和可见光视频文件为专业红外摄像头采集,面部关键点坐标数据、疲劳状态、眼部闭合数据、头部姿态、光照强度数据均为专业数据标注人员标注。算法中,红外视频与可见光视频输入MediaPipe框架,输出预测的面部关键点坐标用于后续的疲劳状态预测。头部姿态提供三维旋转矩阵R,通过公式Δθ=arccos(tr(R_tR_{t-1}^T-1)/2计算。环境光照参数动态调节可见光视频的亮度补偿系数β=L_target/L_env,L_env表示光照强度,L_target表示目标光照强度,为固定值150。所有时序特征输入Bi-LSTM模型,输出层结合疲劳状态标签进行监督训练,最终预警信号需满足:P_fatigue=σ(W·[EAR_seq,Δθ_seq]+b)>0.7 ∧ t_response<0.5s,其中P_fatigue表示疲劳状态,0表示疲劳,1表示正常。数据编号体系保证时空一致性,如084500表示08:45:00时间戳起始的30秒片段。
按需更新
浙江省知识产权区块链公共存证平台