驾驶员疲劳闭眼PERCLOS指标计算与分心行为多任务模型部署.docxVIP

PAGE2

驾驶员疲劳闭眼PERCLOS指标计算与分心行为多任务模型部署

摘要

驾驶员疲劳驾驶是导致交通事故的重要因素，传统监控系统存在实时性差、检出率低等痛点。本设计针对DMS领域，提出基于面部关键点检测与PERCLOS指标的疲劳监控方案，结合分心行为多任务模型实现高效预警。核心目标包括：实时统计PERCLOS值、INT8量化后Orin-N平台推理时间低于10ms、疲劳检出率超过96%。全文遵循工程递进思路：首章分析现实需求与技术瓶颈；次章论证MediaPipe与TensorRT技术选型；三章细化功能与非功能需求；四章设计分层系统架构；五章详述关键模块算法流程；六章实现Orin-N部署与量化优化；七章通过多维度测试验证性能。创新点在于融合多任务模型与INT8量化技术，在嵌入式端实现高精度实时监控。实验表明，系统在复杂光照下仍保持稳定，为智能驾驶安全提供可靠支撑。全文约1.8万字，涵盖需求至测试全流程，验证了方案的可行性与先进性。

第一章绪论

1.1研究背景

全球每年因疲劳驾驶导致的交通事故占比超20%，中国道路交通安全年报显示，2022年相关事故死亡人数达1.8万。驾驶员闭眼时间超过1.5秒即属高危状态，但现有车载监控系统多依赖简单图像阈值判断，易受光照变化干扰。例如，某商用车队测试中，传统方案在黄昏场景误报率达35%，无法满足实时预警需求。

现有技术存在显著缺陷：基于