В связи с проблемами существующих алгоритмов обнаружения усталости водителя, такими как сложность процесса обнаружения, большое количество параметров, низкая точность и низкая скорость работы, было предложено легковесное решение на основе улучшенной модели YOLOv8n-Pose. В этой модели была оптимизирована структура YOLOv8n-Pose. Во-первых, в основной сети модели введена свёртка Ghost для уменьшения количества параметров и ненужных свёрточных вычислений. Во-вторых, был введен Slim-neck для объединения признаков разных размеров, извлекаемых из основной сети, что ускоряет вычисления предсказаний сети. Кроме того, в шейную сеть добавлен модуль внимания с осознанием перекрытий (SEAM), который усиливает область лица на изображении и ослабляет фон, улучшая локализацию ключевых точек. Наконец, в детекторе предложена структура GNSC-Head с использованием общих свёрток, а традиционный слой BN заменён на более стабильный слой GN, что эффективно экономит параметры модели и вычислительные ресурсы. Экспериментальные результаты показали, что улучшенный YOLOv8n-Pose по сравнению с исходным алгоритмом повысил mAP@0.5 на 0,9%, сократил количество параметров и объём вычислений на 50% каждый, увеличил FPS на 8%, а итоговый уровень распознавания усталой езды составил 93,5%. Проверено, что предложенный алгоритм сохраняет высокую точность обнаружения при легковесности и эффективно распознает состояние водителя, обеспечивая надёжную поддержку для внедрения на периферийных устройствах автомобиля.

обнаружение усталости водителя;глубокое обучение;YOLOv8n-Pose;легковесность;механизм внимания