一种基于YOLOv12深度神经网络与多模态特征融合的疲劳驾驶检测智能预警方法

本发明是一种基于YOLOv12深度神经网络与多模态特征融合的疲劳驾驶检测智能预警方法。该方法包括改进YOLOv12面部特征提取模块、LSTM‑Transformer时序建模模块和智能预警决策模块，通过构建混合神经网络架构，采用特征金字塔网络与C2f模块的协同优化，实现驾驶员面部疲劳状态的高精度识别与时序依赖建模的有机结合。创新性地设计了双向LSTM‑Transformer时序预测网络，通过多头自注意力机制引导的长距离时序依赖建模，实现疲劳发展趋势预测和临界点预警的智能融合。本方法有效解决了传统疲劳检测方法精度不高、时序建模能力薄弱的技术难题，在14,859张标注图像数据集上[email protected]达到97.9％，较传统方法提升显著，实验结果表明本模型在精确率96.2％、召回率96.9％等客观评价指标和实际应用场景的主观评价都拥有出色表现，在疲劳状态识别和预警决策中取得显著效果，具有显著的技术效果和产业应用价值。